Universite catholique de Louvain

Analy se num erique 1a

Approximation, interpolation, int egration.
MATH2171 2005-2006

Alphonse Magnus, Institut de Math ematique Pure et Appliqu ee, Universit e Catholique de Louvain, Chemin du Cyclotron,2, B-1348 Louvain-la-Neuve (Belgium) (0)(10)473157 , magnus@inma.ucl.ac.be , http://www.math.ucl.ac.be/~magnus/

Je suis fatigu e des chires mais amoureux de leur monde truqu e John Maeda

MATH2171 2005-06 0 Table

Table des mati` eres.

Pr eface. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....................................................................................... 7 8

Analyse num erique et th eorie de lapproximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1. Quest ce que lanalyse num erique? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.1. Analyse num erique et analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.2. Analyse num erique et calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2. Th eorie de lapproximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.1. Les trois niveaux dune th eorie de lapproximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 3. Quelques approximations de fonctions utilis ees dans les calculatrices et les ordinateurs 13 3.1. Calculatrices scientiques: le syst` eme CORDIC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.2. Approximations polynomiales et rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.3. AGM, etc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 3.4. Approximations et nombres irrationnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 3.5. Approximations les plus simples: bien commencer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 CHAPITRE 1. Th eor` emes g en eraux dexistence et dunicit e de meilleure approximation. 18 1. Distances et normes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.2. Exercices et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.3. Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4. Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.5. Exemples, exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.6. Exercices, exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 1.7. Formes et applications lin eaires continues sur des espaces vectoriels norm es de fonctions 20 2. Existence dune meilleure approximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1. Th eor` eme dexistence de meilleure approximation dans un sous-espace de dimension nie 21 2.2. Contre-exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.3. Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3. Unicit e de la meilleure approximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.1. D enition. Convexit e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.2. Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.3. D enition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.4. Une condition susante dunicit e. Th eor` eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

MATH2171 2005-06 0 Table 3.5. Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Continuit e du projecteur de meilleure approximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1. Th eor` eme de continuit e ....................................................... 4.2. Forte unicit e .................................................................. 5. Dualit e. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Exemples et exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1. .............................................................................. 6.2. Moyenne et m ediane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Principaux sous-espaces de fonctions utilis es en approximation . . . . . . . . . . . . . . . . 6.4. Centre et rayon de Tchebyche dune partie P de X . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5. Largeurs de Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6. Coapproximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 23 23 23 24 24 24 24 25 25 26 26 26

CHAPITRE 2. Approximation au sens de Tchebyche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 1. Th eor` eme d equioscillation de Tchebyche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 1.1. Th eor` eme d equioscillation de Tchebyche (1853) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 1.2. Preuve de la condition n ecessaire: p optimal dans Pn (3) . . . . . . . . . . . . . . . . . . 28 1.3. Preuve de la condition susante (3) p optimal dans Pn . . . . . . . . . . . . . . . . . . . . 29 1.4. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 1.5. Th eor` eme dunicit e de la meilleure approximation polynomiale au sens de Tchebyche 29 2. Propri et es de la meilleure approximation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.1. Sym etrie. Th eor` eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.2. Th eor` eme (de La Vall ee Poussin) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.3. Unicit e forte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.4. Signes altern es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.5. Algorithme d echange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.6. Meilleure approximation au sens sur un compact quelconque . . . . . . . . . . . . . 33 3. Polyn omes de Tchebyche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.1. Meilleure approximation dun polyn ome de degr e n dans Pn1 . . . . . . . . . . . . . . . . 34 3.2. D enition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.3. Premi` eres propri et es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.4. Premiers echantillons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.5. Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.6. Relation de r ecurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.7. Polyn ome de moindre norme sur un intervalle, sous contrainte p(0) = 1 . . . . . . . . 39 3.8. Meilleure approximation dun polyn ome de degr e n dans Pn2 . . . . . . . . . . . . . . . . 39 3.9. Meilleure approximation de fonction rationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 3.10. Fonctions rationnelles de moindre et plus grande d eviation . . . . . . . . . . . . . . . . . . . 39 3.11. Propri et es extr emales des polyn omes de Tchebyche . . . . . . . . . . . . . . . . . . . . . . . . 40 3.12. Autres propri et es des Tn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.13. Equation di erentielle lin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.14. Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.15. Polyn omes de Tchebyche et probl` emes de Sturm-Liouville . . . . . . . . . . . . . . . . . . 47 3.16. Coecients, d eriv ees et primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Tn (x) 3.17. Primitives it er ees de et formule de Rodrigues . . . . . . . . . . . . . . . . . . . . . . . 49 1 x2

MATH2171 2005-06 0 Table

3.18. Orthogonalit e et base duale de PN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 4. Bonne approximation; s eries de polyn omes de Tchebyche, relation avec s eries de Fourier. 53 4.1. Cascade de meilleures approximations et d eveloppements dans la base des polyn omes de Tcheb 53 4.2. S erie de Fourier dune fonction continue p eriodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 4.3. S eries de polyn omes de Tchebyche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.4. Vitesse de d ecroissance des coecients et bornes de norme de fonction derreur 58 4.5. Th eor` eme de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.6. Calcul des coecients de Tchebyche et autres algorithmes . . . . . . . . . . . . . . . . . . . 61 4.7. Algorithmes en repr esentation de Tchebyche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 5. Approximation par fonction rationnelle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 6. Lecture. Tchebyche et de La Vall ee Poussin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

CHAPITRE 3. Approximation en moyenne quadratique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 1. Produit scalaire, orthogonalit e, espace pr ehilbertien. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 1.1. Produits scalaires sur Pn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 1.2. Espace pr ehilbertien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 2. Meilleure approximation dans un espace pr ehilbertien. . . . . . . . . . . . . . . . . . . . . . . . . . . 74 2.1. Base dun espace de dimension nie, matrice de Gram . . . . . . . . . . . . . . . . . . . . . . . . . 74 2.2. Meilleure approximation = projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 2.3. M ethode dorthogonalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 2.4. Hauteurs, volumes et d eterminants de Gram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 2.5. Factorisation de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 3. Polyn omes orthogonaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 3.1. Construction dune base orthogonale de Pn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 3.2. Relation de r ecurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 3.3. Quelques algorithmes utilisant la r ecurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 3.4. Z eros des polyn omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 3.5. Z eros de polyn omes orthogonaux et valeurs propres de matrices tridiagonales sym etriques 91 3.6. Formules dint egration de Gauss. Premi` ere approche . . . . . . . . . . . . . . . . . . . . . . . . . . 92 3.7. Formule dint egration de Gauss et fractions continues . . . . . . . . . . . . . . . . . . . . . . . . . 94 3.8. Formule de Christoel-Darboux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.9. Orthogonalit e et op erateurs (formellement) hermitiens . . . . . . . . . . . . . . . . . . . . . . . . 97 3.10. Polyn omes orthogonaux classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 emes 3.11. Orthogonalit e et d eriv ees n` : formule de Rodrigues . . . . . . . . . . . . . . . . . . . . . . . . 100 3.12. Usages et vari et es de polyn omes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 3.13. Harmoniques sph eriques et fonctions de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 3.14. Polyn omes dHermite et m ecanique quantique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 3.15. Orthogonalit e et equioscillation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 3.16. Noyaux reproduisants, polyn omes noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 4. Moindres carr es, r egression. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 5. Approximation en norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 1. 6. S eries de Fourier en analyse num erique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.1. Comportement des coecients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 6.2. Transform ee de Fourier discr` ete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

MATH2171 2005-06 0 Table

6.3. Tranform ee de Fourier rapide (Fast Fourier Transform FFT) . . . . . . . . . . . . . . . . . . 121 6.4. Analyse en ondelettes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 7. Convergence, espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 7.1. Suites totales et maximales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 7.2. Th eor` eme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 7.3. Exemples de suites totales dans C [a, b] et L2 ([a, b], ). . . . . . . . . . . . . . . . . . . . . . . . . . 129 7.4. Th eor` eme dapproximation de Weierstrass. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 7.5. Th eor` eme de Stone-Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 7.6. Intervalles non born es, probl` eme des moments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 7.7. Arcs de B ezier en typographie informatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 CHAPITRE 4. Interpolation et applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 1. Interpolation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 1.1. Interpolation polynomiale classique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 1.2. Interpolation: cadre g en eral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 1.3. Interpolation polynomiale classique en formulation de Newton, di erences divis ees. 145 1.4. Extrapolation a ` la limite de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 1.5. Formulation de Newton en g en eral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 1.6. Di erences divis ees et d eriv ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 1.7. Reste de linterpolation polynomiale classique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 1.8. Interpolation dHermite-Fej er . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 2. Formules dint egration bas ees sur linterpolation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 2.1. Reste de la formule de quadrature de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 2.2. Formules de quadratures de Gauss avec points impos es . . . . . . . . . . . . . . . . . . . . . . . . 156 2.3. Points de Tchebyche: r` egle de Clenshaw-Curtis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 2.4. R` egles adaptatives dint egration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 3. Repr esentation du reste: th eor` eme de Peano. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 3.1. Th eor` eme (Peano) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 CHAPITRE 5. Di erences nies. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 1. Les op erateurs du calcul aux di erences. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 2. Interpolation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 3. D erivation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 4. Int egration. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 4.1. Formules de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 5. Noyaux de Peano de r` egles dint egration. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 5.1. Formule du trap` eze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 5.2. Formule de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 5.3. Noyaux de Peano de formules compos ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 5.4. La formule de Simpson avant Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 6. Formule dEuler-Maclaurin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 6.1. Identit es des nombres et polyn omes de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 6.2. Sch ema dint egration de Romberg. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 6.3. Formule dEuler-Maclaurin en tant que formule sommatoire . . . . . . . . . . . . . . . . . . . 176 CHAPITRE 6. R ecapitulation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180

MATH2171 2005-06 0 Table

CHAPITRE 7. Appendices: alphabets grec, cyrillique, petit dico, index. . . . . . . . . . . . . . 181 1. Alphabets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 2. Petit dico mathematical English fran cais math ematique. . . . . . . . . . . . . . . . . . . . . . 182 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183

MATH2171 2005-06 0 Bib

Pr eface.
Lanalyse num erique a longtemps et e incorpor ee au cours danalyse g en erale, dont elle repr esentait le versant appliqu e et constructif. Le fort d eveloppement des moyens de calcul automatique a rendu n ecessaire lapparition dun enseignement sp ecique. La discipline put se d evelopper sous limpulsion de math ematiciens avis es, tels P. Henrici [Hen] et E. Stiefel [Sti]. Le pr esent cours fut cr ee par Jean Meinguet, Professeur a ` lUniversit e. On trouvera ici lessentiel de la partie approximation, interpolation, int egration de son enseignement. Dautres cours reprennent les th` emes de r esolution num eriques des equations (y compris di erentielles et fonctionnelles), dalg` ebre lin eaire num erique (th eorie des matrices) et dalgorithmique num erique: ECTS MATH 2171 Analyse num erique I a : [22,5-30] 4 A. Magnus approximation, interpolation, int egration MATH 2172 Analyse num erique Ib : [22,5-30] 4 P. Van Dooren r esolution num erique des equations MATH 2180 Analyse num erique II [45-0] Q1+Q2 4.5 A. Magnus INMA 2380 Th eorie des matrices [30-22,5] Q2 5 P. Van Dooren MATH 2830 S eminaire danalyse num erique [30] Q1 2 Y. Genin, A. Magnus, P. Van Dooren INMA 2111 Analyse de complexit e dalgorithmes [30-15] Q2 4 V. Blondel, E. Huens (Bisannuel) INMA 2710 Algorithmique num erique [30-15] Q1 4 P. Van Dooren Le Professeur Meinguet est egalement a ` lorigine de lenseignement de la programmation et de linformatique dans notre universit e, mais cela est une autre histoire. . . Les grands principes de la th eorie de lapproximation sont dabord d eduits de concepts danalyse fonctionnelle (chap. 1). Ces r esultats sont alors appliqu es a ` des situations plus concr` etes: on examine en d etail lapproximation par des polyn omes et par des polyn omes trigonom etriques, selon la norme du maximum (chap. 2) et en moyenne quadratique (chap. 3). Avec linterpolation (chap. 4) et le calcul aux di erences nies (chap. 5), on dispose des outils permettant de traiter tous les probl` emes de lanalyse num erique classique, en particulier lint egration num erique.

MATH2171 2005-06 0 Bib

Quelques ouvrages fr equemment cit es ici (par une mention du type [xxx]), normalement disponibles en biblioth` eques de MATH, PHYS et BSE: [Abr] M. Abramowitz, I.A. Stegun, ed., Handbook of Mathematical Functions, Nat. Bureau of Standards, Washington, 1964 = Dover, New York, 1965 etc. http://members.fortunecity.com/aands/, http://www.convertit.com/Go/ConvertIt/Reference/AMS55.ASP [Ach] N.I. Achieser, Theory of Approximation, F. Ungar, 1956 =Dover, 1992. [Atk] K. Atkinson, W. Han, Theoretical Numerical Analysis, A Functional Analysis Framework, Springer texts in Applied Mathematics 39, Springer 2001; Elementary Numerical Analysis, 3rd edition, John Wiley, 2003. Notes et programmes dans http://www.math.uiowa.edu/~atkinson/ [Che] E.W. Cheney, Introduction to Approximation Theory, McGraw-Hill, 1966. [CheK] E.W. Cheney, D. Kincaid, Numerical Mathematics and Computing, Brooks/Cole, 4th ed., 1999. [CheL] E.W. Cheney, W. Light, A Course in Approximation Theory, Brooks/Cole, 1999. [Chi] T.S. Chihara, An Introduction to Orthogonal Polynomials, Gordon & Breach, New York, 1978. [Clen] C.W. Clenshaw, Math. Tables 5 Chebyshev Series for Mathematical Functions, Nat. Physical Laboratory, London: Her Majestys Stationery Oce, 1962. [Dav] P.J. Davis, Interpolation and Approximation, Blaisdell, Waltham, 1963 = Dover, New York, 1975. eme [DaR] P.J. Davis, Ph. Rabinowitz, Methods of Numerical Integration, 2` edition, Academic Press, New York, 1984. [deB] C. de Boor, Numerical Functional Analysis, notes du cours CS717 de lUniversit e du Wisconsin http://www.cs.wisc.edu/~deboor/717/notes.html [DeVLor] R.A. DeVore, G.G. Lorentz, Constructive Approximation, Springer, Berlin, 1993. [Erd] A. Erd elyi, W. Magnus, F. Oberhettinger, F.G. Tricomi, Higher Transcendental Functions, 3 vol., Tables of Integral Transforms, 2 vol., (The Bateman Manuscript Project), McGraw-Hill, New York, 1953-1955. [FoxP] L. Fox, I.B. Parker, Chebyshev Polynomials in Numerical Analysis, Oxford U.P., 1968. [GasW] C. Gasquet, P. Witomski, Analyse de Fourier et applications. Filtrage, calcul num erique, ondelettes, Masson, Paris, 1990. [Gau] W. Gautschi, Numerical Analysis. An Introduction, Birkh auser, 1997. [Gau2] W. Gautschi, Orthogonal Polynomials: Computation and Approximation, Oxford U. Press, 2004. [Hai] E. Hairer, Introduction a ` lanalyse num erique, cours Universit e de Gen` eve, 1993, cf Polycopi es dans http://www.unige.ch/math/folks/hairer/ [Hammer] G. H ammerlin, K.H. Homann, Numerische Mathematik, Springer-Verlag, 1989 = Numerical Mathematics, Springer-Verlag, New York, 1991. [Ham] R.W. Hamming, Numerical Methods for Scientists and Engineers, 2nd ed., McGraw-Hill, New York, 1973 = Dover [Has] C. Hastings, Jr., Approximations for Digital Computers, Princeton U.P., 1955. [Hen] P. Henrici, Elements of Numerical Analysis, Wiley, New York, 1964. [Hen82] P. Henrici, Essentials of Numerical Analysis, Wiley, New York, 1982. [Kah] D. Kahaner, C. Moler, S. Nash, Numerical Methods and Software, Prentice-Hall, 1989. [Kun] J. Kuntzmann, M ethodes num eriques, Hermann, Paris, 1969. [Lanc] C. Lanczos, Applied Analysis, Prentice Hall, Englewood Clis, 1956 = Dover [Mei] G. Meinardus, Approximation von Funktionen und ihre numerische Behandlung, Springer, Berlin, 1964 = Approximation of Functions: Theory and Numerical Methods, Springer, 1967. [Mha] Mhaskar, Hrushikesh N.; Pai, Devidas V., Fundamentals of approximation theory, Alpha Science International, 2000. [Nat] I.P. Natanson, Constructive Theory of Functions, Moscou-Leningrad 1949 = Translation Series, U.S. Atomic Energy Commission AET-tr-4503. [Nurn] G. N urnberger, Approximation by spline functions, Springer-Verlag. Berlin, 1989. [Pas] S. Paszkowski, Polyn omes et s eries de Tchebichev, Report ANO 140, Univ. Lille1, Juillet 1984. [Pow] M.J.D. Powell, Approximation Theory and Methods, Cambridge U.P., Cambridge, 1981. [RalR] A. Ralston, P. Rabinowitz, A First Course in Numerical Analysis, 2nd ed., McGraw-Hill, 1978. [Rap] J. Rappaz, M. Picasso, Introduction a ` lanalyse num erique, PPUR (Presses Polytechniques et Universitaires Romandes), Lausanne, 1998, http://dmawww.epfl.ch/rappaz.mosaic [Riv1] T.J. Rivlin, An Introduction to the Approximation of Functions, Blaisdell, Waltham, 1969 = Dover, New York, 1981. [Riv2] T.J. Rivlin, The Chebyshev Polynomials, From Approximation Theory to Algebra and Number Theory, eme Wiley, New York, 2` edition, 1990.

MATH2171 2005-06 0 Bib

[Sti] E. Stiefel, Introduction a ` la math ematique num erique, Dunod, Paris 1967 = Einf uhrung in die numerische Mathematik, Teubner, Suttgart, 1961 = An Introduction to Numerical Mathematics, Academic Press, New York 1963. [Sze] G. Szeg o, Orthogonal Polynomials, 4th ed., Amer. Math. Soc. , Colloquium Publications, vol. 23, Providence, 1975. [Tche] P.L. Tchebychef, Oeuvres, publi ees par les soins de MM. A. Marko et N. Sonin, 2vol., Chelsea, New York [dLVP] C.J. de La Vall ee Poussin, Le cons sur lapproximation des fonctions dune variable r eelle, Gauthiereme Villars, Paris, 2` edition, 1919 = Chelsea, New York, 1970. [dLVP2] C.J. de La Vall ee Poussin, uvres, rassembl ees dans la biblioth` eque MATH. P eriodiques. http://www.ams.org/mathweb/mi-journals.html ACM1 Transactions on Mathematical Software, http://math.nist.gov/toms/, Advances in Computational Mathematics, Annals of Numerical Mathematics, Applied Numerical Mathematics, Approximation Theory and its Applications, Calcolo, Constructive Approximation, Electronic Transactions on Numerical Analysis http://etna.mcs.kent.edu/html/, Journal of Approximation Theory, Journal of Computational and Applied Mathematics http://www.elsevier.nl/locate/cam, Mathematics of Computation, Numerical Algorithms, Numerische Mathematik, SIAM2 Journal of Numerical Analysis. Ressources r eseau. Usenet FAQ Lille Conc ATNet news:sci.math.num-analysis FAQ: Numerical Analysis and Associated Fields Resource Guide, by Steve Sullivan (Mathcom, Inc.), voir Tech Info dans http://www.mathcom.com/ Ecole ding enieurs de Lille http://www.eudil.fr/ Numerical Analysis at Concordia. http://indy.cs.concordia.ca/na/ Approximation Theory net. Contient des notes de cours (voir a ` Classroom notes) http://www.mi.uni-erlangen.de/at-net

Matlab, Java http://www.mathworks.com, http://www.mathtools.net

Matlab, Atkinson ftp://ftp.math.uiowa.edu/pub//atkinson/ENA Materials/GUI/ ,http://www.math.uiowa.edu/~at netlib tw Laval NumRec Netlib: tr` es nombreux programmes, http://www.netlib.org/ FFTW: tranform ee de Fourier rapide, http://www.fftw.org/ Analyse num erique a ` luniv. Laval3 http://www.mat.ulaval.ca/anum/ W.H. Press, S.A. Teukolsky, W.A. Vetterling, B.P. Flannery, Numerical Recipes : programmes dans http://nr.harvard.edu/numerical-recipes/, texte dans http://cfatab.harvard.edu/nr/nronline.html, voir aussi http://math.jpl.nasa.gov/nr/ pour une critique s ev` ere et dautres informations. . . New Release of GNU Scientic Library. Version 1.6 of the GNU Scientic Library (GSL) is now available for download at: http://www.gnu.org/software/gsl/ GSL is a free numerical library written in C using modern coding conventions. It is distributed under the GNU General Public License. CodeCogs Date: Tue, 15 Mar 2005 Subject: CodeCogs, Open Source C/C++ Library This is to inform you about the website called Code Cogs, which is A New Open Source Scientic Library / Database in C++. The web site is free to use with all software being open source.
1 2

GSL

ACM= Association for Computing Machinery. SIAM = Society for Industrial and Applied Mathematics. 3 Merci a ` C. Debi` eve pour cette information.

MATH2171 2005-06 0 Bib

The main homepage is at: http://www.codecogs.com

10

CodeCogs is a new online scientic numerical repository of C/C++ code that has been created for scientists, engineers, mathematicians and nancial workers.

MATH2171 2005-06 0 Intro

11

Analyse num erique et th eorie de lapproximation.

1. Quest ce que lanalyse num erique? Vaste programme. Gal de Gaulle
1.1. Analyse num erique et analyse. Les math ematiciens du pass e m elaient all` egrement les constructions calculatoires aux vastes g en eralisations. On pouvait passer du dessin de la coque dun navire ou du volume des tonneaux de bi` ere aux consid erations les plus philosophiques. On est aujourdhui plus disciplinaire, si pas plus disciplin e, et on enferme la pens ee dans toutes sortes de sous-r egions. Lanalyse etudie les nombres r eels et les fonctions de variables r eelles. On consid` ere, dailleurs a ` juste titre, que le progr` es en analyse consiste a ` etablir la v erit e dune proposition en utilisant un minimum de moyens. Ceci conduit a ` eliminer autant que possible toute construction d etaill ee, donc a ` eviter toute repr esentation explicite inutile. Ainsi, on pr ef` ere parler en analyse de formes ou dop erateurs, voire dendomorphismes, plut ot que de matrices qui renvoient a ` des repr esentations dans des bases impos ees. A un niveau plus fondamental, utiliser la repr esentation d ecimale dun nombre r eel serait une lourde faute de go ut. Lanalyse num erique est pr ecis ement li ee a ` cette ancienne partie de lanalyse qui d ecrit ces constructions qui ne sont plus essentielles a ` la compr ehension de la th eorie. On ne se contente pas dexhumer danciens secrets et de les rassembler dans de gros formulaires, ces constructions sont pr esent ees de fa con aussi ordonn ee et syst ematique que possible: Henrici [Hen] d enit lanalyse num erique comme la th eorie des m ethodes constructives de lanalyse, Natanson intitule son ouvrage [Nat] Th eorie constructive des fonctions, Trefethen4 dit que lanalyse num erique est l etude des algorithmes de r esolution des probl` emes des math ematiques continues. Lanalyse num erique commente, illustre, concr etise5 et applique lanalyse. 1.2. Analyse num erique et calcul. Tout projet scientique ou technique comporte une importante phase de calculs. Parlett 6 d ecrit la tour du calcul scientique (cf. gure de gauche) mise a ` la disProgrammes dapplications 5 position de lutilisateur. Chaque niveau utilise des niveaux Grands logiciels orient es erieurs. Lanalyse num erique intervient surtout aux 4 inf vers les applications niveaux 2 (bo tes noires: probl` emes banalis es) et 3, o` u Biblioth` eques de programmes les probl` emes sont dailleurs explicitement formul es en terpour matrices, approximation, 3 mes math ematiques. On ne soccupera donc pas beau equadi, optimisation, etc. coup ici des repr esentations en machine des r eels, ni de Fonctions el ementaires: log(x), etc. 2 questions derreurs darrondi, qui ressortissent plut ot de Langages de programmation 1 lalgorithmique num erique. Quant aux niveaux sup erieurs, Unit e arithm etique + / eressent sp eciquement des utilisateurs dun domaine 0 ils int Assembleur des sciences et techniques (niveau 4), et la mise au point dune application particuli` ere. L.N. Trefethen, The Denition of Numerical Analysis, SIAM News, November 1992 = Bulletin of the Institute of Mathematics and Applications, March/April 1993 = http://www.comlab.ox.ac.uk/oucl/users/nick.trefethen/defn.ps, copie dans trefethennuman.ps 5 Lanalyse num erique ne remplace pas lanalyse par un projet o` u ne gureraient que des objets d ument construits (math ematique intuitionniste), toutes les m ethodes de lanalyse sont parfaitement valides en analyse num erique, o` u on peut donc tr` es bien trouver des d emonstrations non constructives! 6 B. Parlett, Progress in numerical analysis, SIAM Review 20 (1978) 443-456.
4

MATH2171 2005-06 0 Intro

12

G. Strang distingue7 distingue six etapes dans le traitement dun probl` eme dicile: (1) Mod elisation. Arriver au probl` eme math ematique traduisant le mieux le ph enom` ene consid er e, (2) Repr esentation. Choisir une famille de fonctions susceptibles de bien approcher la solution de 1., et la base qui servira a ` cette repr esentation, (3) Param` etres. Bien choisir les degr es, points de grille ou dinterpolation, qui assureront une erreur susamment faible, (4) Algorithme. D ecrire les etapes de calcul aboutissant a ` la solution num erique, (5) Programmation. Tenir compte des moyens de calcul disponibles, (6) Visualisation. La r eponse peut se limiter a ` quelques nombres, mais peut n ecessiter une pr esentation sous forme de tables, graphes, etc. Lanalyse num erique est concern ee par les points (2), (3), et (4) pour une certaine part (lalgorithmique num erique pour une autre part).

2. Th eorie de lapproximation. Errare humanum est 2.1. Les trois niveaux dune th eorie de lapproximation.
La th eorie de lapproximation

est la plus aimable des sciences exactes. Le droit a ` lerreur y est autoris e, et m eme encourag e. Un objet f (nombre r eel, fonction, op erateur, etc.) math ematiquement d eni mais inaccessible a ` des repr esentations el ementaires, est approch e par un objet plus simple p. Au premier niveau, il sagit de construire une approximation acceptable p, par exemple p = 0.3333 si f = 1/3. Jusque dans les ann ees 1950, on voyait dans les formulaires la s erie de Renard, dite encore des nombres normaux, qui consiste en la suite des 10 puissances successives de 1.25 et qui donne tr` es approximativement des constantes math ematiques, physiques et technologiques remarquables: 21/3 101/10 1.25 /2 1.6 2 cm/in 2.5 3.15 in/dm 4 2 5 6.3 8 g 2 10

Au deuxi` eme niveau, on examine si une loi permet dexpliquer la forme de diverses approximations successives 0.33, 0.333, etc. A ce niveau, on ne soccupe plus des approximations proprement dites. Au troisi` eme niveau, on caract erise des classes dobjets f a ` partir de dispositifs initialement destin es a ` fournir des approximations. Autre exemple moins trivial: soit f = 2, p est un nombre rationnel a/b avec 0 < b n, et la distance | 2 a/b| la plus petite possible. On a donc d eni une meilleure approximation dans un ensemble, pour une distance donn ee. On fait varier n et on note les nouvelles fractions qui apparaissent. En fait, il sut de prendre m = entier le plus proche de n 2 et de conserver les fractions donnant une erreur plus petite que la plus petite erreur pr ec edente8: Cest plein, plein de force, et plein, plein de nombre l` a-dedans. Alfred Jarry9 0.4142135623730950488016887 0.0857864376269049511983113 0.0808802290397617154683554 0.0142135623730950488016887 0.0024531042935716178649779 0.0024488564907421076252181 0.0004204589248191867327232 0.0000721519126192369125970 0.0000721482316809073875473

2 1/1 2 3/2 2 4/3 2 7/5 2 17/12 2 24/17 2 41/29 2 99/70 2 140/99

7 8

= = = = = = = = =

http://www.ipam.ucla.edu/publications/inauguration/strang.html On dispose donc d ej` a dune approximation 1.4142135623730950488016887 . . . de 2. 9 dans Le surm ale, a ` propos dun automate-boxeur de foire.

MATH2171 2005-06 0 Intro

13

Au premier niveau, on recueille donc ces approximations. Au deuxi` eme niveau, on examine comment d ecrire les approximations retenues10. Au troisi` eme niveau, on apprend quelque chose sur f = 2, par exemple que 2 ne peut etre le carr e dun nombre rationnel (voir p. 15), m eme si on conna t des d emonstrations non constructives beaucoup plus courtes11. y 0.04 Perseverare diabolicum

Autre exemple: Ponceleta cherche a ` approcher a2 + b2 par une expression plus simple a + b. Il trouve = 0.961 et = 0.398 assurant une erreur relative 4% si on a choisi a b: premier 1 niveau. Mais comment a-t-il obtenu ces valeurs? Pour tout couple x a + b + x (, ), on consid` ere lerreur relative 1= 1, a2 + b 2 1 + x2 et on d etermine pour quelles valeurs de x = b/a [0, 1] lerreur relative a la plus grande valeur absolue. On constate quil faut examiner trois valeurs de x, et que la plus grande erreur relative est minimis ee quand les erreurs en ces trois valeurs de x 0.04 ont une m eme valeur absolue et des signes altern es, principe qui + x sera consid erablement d evelopp e par Tchebyche (tout le chap. 2): La meilleure fonction derreur relative 1 deuxi` eme niveau. 1 + x2
a Voir V.L. Goncharov, The theory of best approximations of functions, J. Approx. Theory 106 (2000) 2-57.

Dernier exemple, relatif a ` lanalyse proprement dite cette fois, qui sera etudi e dans ce cours (p. 58 et n du chap. 3): des fonctions tr` es lisses, disons C m sur un intervalle compact, sont susceptibles d etre approch ees par des polyn omes de degr e n avec une erreur se comportant comme une puissance n egative de n. Quelles sont les fonctions pour lesquelles lerreur se comporte comme une puissance faiblement n egative de n? On obtient des fonctions continues partout et d erivables nulle part. . . , question danalyse pure (troisi` eme niveau) fort bien eclair ee par ce recours a ` lapproximation.

Je vis dans lapproximatif et je men rapproche de plus en plus Julos Beaucarne 3. Quelques approximations de fonctions utilis ees dans les calculatrices et les ordinateurs
3.1. Calculatrices scientiques: le syst` eme CORDIC. Beaucoup de calculatrices scientiques et les premiers coprocesseurs math ematiques ont comme op erations de base laddition, la soustraction et le d ecalage (= multiplication ou division par 10). On accumule de telles op erations pour multiplier et diviser (comme ` a la main). On peut egalement incorporer la racine carr ee a ` ce niveau. Pour lexponentielle et le logarithme, on dispose en m emoire les logarithmes k = ln(1 + 10k ) pour susamment de valeurs de k . Calcul de y = ln x: on se ram` ene a ` 1 < x < 10, on part de y = 1, ensuite: Le secret consiste a ` ne retenir dabord que le dernier el ement des groupes de p cons ecutifs avec f p de m eme signe. Ce sous-ensemble dapproximations (r eduites ) {1/1, 3/2, 7/5, 17/12, 41/29, . . . } pr esente une structure tout a ` fait int eressante (fraction continue: cf. C. Brezinski, History of Continued Fractions and Pad e Approximants, Springer, 1991), I. Niven, Irrational Numbers, AMS & Wiley 11 Les premi` eres preuves de transcendance de e et etaient aussi bas ees sur des constructions dapproximations. Voir aussi p. 15.
10

MATH2171 2005-06 0 Intro

14

pour k=0,1,2,... { x=x*(1+10^(-k)) ; tant que x<10 {y=y-lambda_k;x=x;x=x*(1+10^(-k)); } } Calcul de y = ex : soit x > 0, on part de y = 1, et pour k=0,1,2,... { x=x-lambda_k; tant que x>0 {y=y*(1+10^(-k)); x=x; x=x-lambda_k; } } Pour les fonctions trigonom etriques, hyperboliques et leurs inverses, on utilise intelligemment les formules daddition de ces fonctions. Il sut de se munir dune table suppl ementaire constitu ee des k = arctg (10k ). Cest le syst` eme CORDIC ( COordinate Rotation DIgital Computer ) r ealis e par Volder en 1959, mais on fait remonter lid ee a ` Henry Briggs (1561-1631), lun des inventeurs des logarithmes! Cf: J. Laporte, Le secret des algorithmes, LOrdinateur Individuel n 24, 1981, 89-92, C.W. Schelin, Calculator function approximation, Amer. Math. Monthly 90 (1983) 317-325, cordic.txt, http://devil.ece.utexas.edu/cordic.html 3.2. Approximations polynomiales et rationnelles. Les ordinateurs utilisent le plus souvent laddition, la soustraction, la multiplication, la division, et souvent aussi la racine carr ee de nombres ottants (mantisse fois baseexposant , presque toujours en binaire) comme op erations el ementaires. Le but est alors dobtenir la pr ecision demand ee avec un minimum dop erations, cest a ` dire dapprocher la fonction par un polyn ome ou une fonction rationnelle. Cet exercice nest pas etranger a ` ce quil y a de plus classique dans lanalyse, un d eveloppement tronqu e de Taylor servant souvent de point de d epart. Ainsi, Hastings [Has, pp.132137 et 84] propose quelques approximations de arctg x, 1 x 1: (cf. aussi [Abr, p.81]) 0.995354 x 0.288679 x3 + 0.079331 x5 avec erreur 6.08 104 , 3 5 7 0.9992150 x 0.3211819 x + 0.1462766 x 0.0389929 x (8.14 105 ), 3 5 7 9 0.9998660 x 0.3302995 x + 0.1801410 x 0.0851330 x + 0.0208351 x (1.14 105 ) 3 5 7 9 11 0.99997726x 0.33262347x + 0.19354346x 0.11643287x + 0.05265332x 0.01172120x (1.66 106 ) 3 x x5 x7 qui ressemblent a ` des d eveloppements tronqu es de la s erie de Taylor-Maclaurin arctg x = x + + . 3 5 7 On verra comment construire de telles approximations. On devine quil faudra une dizaine de termes pour arriver a ` une erreur 108 (pour cette fonction, chaque fois que lon ajoute un terme, lerreur est a ` peu pr` es divis ee par ( 2 + 1)2 , on verra cela aussi). Dautres formules plus economiques ont et e imagin ees, par exemple, dapr` es VS FORTRAN Application Programming: Library Reference, IBM Program Product SC26-3989, 1981 12, on se ram` ene dabord a `0 x 3x1 1, puis a ` tg(/12) x tg(/12) = 2 3 par arctg x = + arctg si 1 x > tg(/12), 6 x+ 3 enn, lapproximation donnant arctg x dans tg(/12) x tg(/12) est x 0.60310579 0.05160454x2 + avec une erreur < 108 . Pour lexponentielle, le m eme document propose 2x 1 2x 0.034657359x2 + x + 9.9545948 x 1. 617.97227 x2 + 87.417497 x2 0.55913709 + 1.4087812

avec une erreur < 108 quand on sest ramen ea `0

12

Grand merci a ` M. J.L. Marrion qui a fourni cette documentation.

MATH2171 2005-06 0 Intro

Des formules de m eme type sont utilis ees pour sin, ln, etc. Cf. aussi J.F. Hart & al., Computer Approximations, Wiley, 1968. 3.3. AGM, etc.

15

Plus r ecemment, on a imagin e de nouvelles cat egories dalgorithmes pour calculer des nombres remarquables en tr` es haute pr ecision (jusqu` a des milliards de d ecimales pour ). Lalgorithme AGM (Arithmetic-geometric mean) consiste, a ` partir de a0 et b0 , a ` calculer la suite de moyennes arithm etiques et g eom etriques successives an+1 = (an + bn )/2 et bn+1 = an bn . On calcule 2 2 egalement les cn+1 = (an bn )/2 sous la forme c0 = a2 ej` a montr e 0 b0 , cn+1 = cn /(4an+1 ). Gauss avait d que les suites {an } et {bn } tendent tr` es rapidement (quadratiquement) vers une limite commune AGM(a0 , b0 ) /2 d . Lusage de cet algorithme curieux est = li ee a ` une int egrale elliptique: 2 AGM(a0 , b0 ) 0 a2 c2 sin2
0 0

longtemps rest e conn e au calcul dint egrales de ce type. Puis, R.P Brent (Fast multiple-precision evaluation of elementary functions, J. ACM 23 (1976), 242-251) et E. Salamin (Computation of using arithmeticgeometric mean, Math. Comp. 30 (1976), 565-570) trouv` erent dautres applications, a ` commencer par une formule rapide pour : 2( AGM(1, 1/ 2))2 = . 1 2 i c2 i
i=0 1/2n1

De plus, [cn /(4an )] tend rapidement vers lexponentielle de AGM(a0 , b0 )/AGM(a0 , c0 ), ce qui donne un moyen de calcul rapide des exponentielles et logarithmes, etc. Cf. D.H. Bailey, Algorithm 719: Multiprecision translation and execution of FORTRAN programs, ACM Trans. Math. Soft. 19 (1993) 288-319; A FORTRAN 90- based multiprecision system, ibid. 21 (1995) 379-387. J.M. Borwein, P.B. Borwein, The arithmetic-geometric mean and fast computation of elementary functions, SIAM Rev. 26 (1984) 351-366, J.M. Borwein, P.B. Borwein, Pi and the AGM, Wiley, 1986, Center for Experimental and Constructive Mathematics, Simon Fraser Univ., http://www.cecm.sfu.ca/ R. Preston, The mountains of pi, The New Yorker, 2 mars 1992. 3.4. Approximations et nombres irrationnels.
2 Les fractions 1/1, 3/2, 7/5, 17/12, 41/29, . . . apparaissant dans la note 10 de p. 13 sont yn /xn avec yn n = (1) . On peut trouver une innit e de nombres entiers de plus en plus grands v eriant cette egalit e: en 2 2 eet, si xn , yn conviennent, on constate que xn+1 = xn + yn et yn+1 = 2xn + yn donnent bien yn +1 2xn+1 = xn+1 13 n 2 2 ` (yn 2xn ). On voit aussi que cela revient a ` appliquer la m ethode de la puissance yn+1 = A [ x yn ] a T 1 1 la matrice a ` obtenir des vecteurs de mieux en mieux align es sur le vecteur A = [ 2 1 ] et propre [1, 2] : x ). Donc, x et y , y 2 x 2 xn | 0. yn+1 2 xn+1 = (1 2)(yn 2 = 0 et | y n n n n n n On en d eduit lirrationnalit e de 2 selon la proposition: Si on trouve une innit e dentiers xn et yn , avec xn , tels que = yn /xn et |xn yn | 0 quand n , alors est irrationnel. (En eet, si = A/B avec A et B entiers, on aurait xn yn = (Axn Byn )/B = entier/B , donc exactement z ero ou de valeur absolue born ee inf erieurement ) par 1/|B |. 2 Ici, |xn 2 yn | = |2x2 2 + y 2 + y y | / ( x ) = 1 / ( x ) 0. n n n n n n Des possibilit es de montrer lirrationnalit e de nombres remarquables sont donc li ees a ` leurs facult es dapproximation. 1 1 1 1 1 < e est irrationnel. Par exemple, 0 < e 1 1! 2! n! (n + 1)! 1 n+2

2x2 n

13

Remarque aimablement communiqu ee par Michel Coyette.

MATH2171 2005-06 0 Intro

16

On appelle constante de Markov (ou de Lagrange ) dun r eel lexpression M () = 1/ lim inf x2 | y/x| , applications en equadi et m ecanique c eleste . Les r eduites successives a 1 Y2 Y1 = , = X1 b 1 X2 a1 b1 + a2 b2 , Y3 = X3 a1 b1 + a2
14 x,y Z x

etc. de la fraction continue = b1 +

a1 a2 b2 +

v erient Xn+1 = bn+1 Xn + an+1 Xn1 , Yn+1 Yn (1)n a1 a2 . . . an+1 Yn+1 = . Si on trouve Zn tel que Xn Zn et Yn Zn sont entiers, et si la fraction Xn+1 Xn Xn Xn+1 continue converge, on peut parfois tirer une condition dirrationnalit e de |Zn Xn Zn Yn | Z n Xn
k=n

a3 b2 + b3 = bn+1 Yn + an+1 Yn1 , et

(1)k a1 a2 . . . ak+1 Xk Xk+1

Quelques fractions continues remarquables de fonctions : tg x = 1 3 x x

2

,
2

ex = 1 + 1 2+ 3 2+

x x x x x 5 x 2+ 7 x x 2+

x2 5 7

permettent d etablir que tg x et ex sont irrationnels quand x est rationnel = 0. On en d eduit que est irrationnel: sinon, tg serait irrationnel. . . Mais comment obtient-on de telles formules? Lagrange15: si y = f (x) v erie l equation de Riccati f (0) 2 , f1 v erie xa(x)y = b(x)y + c(x)y + d(x), o` u a, b, c Pm , et d Pm1 , alors, si f (x) = 1 xf1 (x) une equation de m eme type, avec les m emes degr es. En eet, on a xa(x)[xf 1 + f1 ] = b(x)f (0) + c(x)[1 xf1 (x)] + d(x)[1 xf1 (x)]2 /f (0), do` u une equation de Riccati pour f1 avec le m eme a(x), b1 (x) = xd(x)/f (0), c1 (x) = c(x) 2d(x)/f (0) a(x), et d1 (x) = [b(x)f (0) + c(x) + d(x)/f (0)]/x (qui est bien un polyn ome si fn (0) f est d eveloppable en Taylor-Maclaurin). On it` ere ensuite fn (x) = , n = 0, 1, . . . : bn+1 (x) = 1 xfn+1 (x) xdn (x)/fn (0), cn+1 (x) = cn (x)2dn (x)/fn (0)a(x), dn+1 (x) = [bn (x)fn (0)+cn (x)+dn (x)/fn (0)]/x, fn+1 (0) = dn+1 (0)/cn+1 (0). Evidemment, c a marche si fn (0) = 0, n = 0, 1, . . . tg x Pour la tangente, partir de f0 (x) = , alors, a(x) = 2, b0 (x) = x, c0 = 1, d0 = 1. On trouve pour x n > 0, bn (x) = (2n 1)x, cn = (2n + 1), dn = 1/(2n 1), fn (0) = 1/(4n2 1). K. Ben-Naoum & J. Mawhin, The periodic Dirichlet problem for some semilinear wave equations, J. Di. Eq. 96 (1992) 340354; A.K. Ben-Naoum, On the Dirichlet problem for the nonlinear wave equation in bounded domains with corner points, Bull. Belg. Math. Soc. Simon Stevin 3 (1996) 345361; A.K. Ben-Naoum, Some results on the Markov number from the theory of Diophantine approximations, Rapports S eminaire Math. UCL n 254 (1996). 15 A.N. Khovanskii, The Application of Continued Fractions and their Generalization to Problems in Approximation Theory, P. Noordho, Groningen, 1963.
14

MATH2171 2005-06 0 Intro

Enn, (2n 1)fn (x) =

17

1 . 2n + 1 x(2n + 1)fn+1 (x) ex 1 = tanh(x/2). Pour lexponentielle, on transforme a ` partir de x e +1 L etablissement de crit` eres dirrationnalit e et de transcendance a ` partir dapproximations de fonctions est une manifestation remarquable du troisi` eme niveau de la th eorie de lapproximation. 3 Dernier r esultat sensationnel trouv e a ` ce jour: en 1979, R. Ap ery montrait que (3) = est 1 n 3 3 2 3 3 3 irrationnel au moyen de n Xn (34n 51n +27n 5)Xn1 +(n 1) Xn2 = 0 et n Yn (34n 51n2 +27n 5)Yn1 + (n 1)3 Yn2 = 0, X0 = 1, X1 = 5, Y0 = 0, Y1 = 6. Une d emonstration fait appel aux polyn omes de Legendre, cf. M. Prevost, A new proof of the irrationality of (2) and (3) using Pad e approximants, J. Comp. Appl. Math. 67 (1996) 219-235. Voir aussi de nombreuses publications dans http://www.cecm.sfu.ca/ 3.5. Approximations les plus simples: bien commencer. Martin Rebas, auteur du document Approximations of Natural Numbers, http://www.dtek.chalmers.se/~d3rebas/humor/irrational.html, (copi e dans approxnat.html), qui est aussi le pr esident du club des gens-qui-ne-connaissent-que-deux-d ecimales-de-pi, a jug e bon daider le d ebutant en fournissant des approximations des objets math ematiques les plus simples qui soient, les nombres entiers:
1 2 e 2, 3 e + + , 4 2 + , 5 2 2 + , 6 + e + e, e 4 1 1 + e 2 + + , 8 e 2 2 + , 9 e + + , 10 2 e + + . 7

MATH2171 2005-06 1 Th eor. g en eraux

18

CHAPITRE 1
Th eor` emes g en eraux dexistence et dunicit e de meilleure approximation.
Pour un el ement f dun ensemble X , il est question dexaminer si on peut trouver p V X le plus proche de f . 1. Distances et normes. 1.1. Rappelons quune distance sur un ensemble X est une fonction d d enie pour tout couple d el ements de X , avec (1) (2) (3) (4) (f, g ) X X, d(f, g ) 0 , (f = g ) (d(f, g ) = 0) , (f, g ) X X, d(f, g ) = d(g, f ) (sym etrie), (f, g, h) X X X, d(f, g ) d(f, h) + d(h, g )

(in egalit e triangulaire).

On appelle espace m etrique tout ensemble X muni dune distance.

1.2. Exercices et exemples. Exemples triviaux, grands cercles sur la sph` ere, distance cordale sur la sph` ere, sur C identi ea ` la sph` ere de Riemann, g eod esiques sur une vari et e, demi-plan de Poincar e, lire les pages 65-68 de H. Poincar e: La science et lhypoth` ese 1, Flammarion, 1902 = Champs Flammarion, 1968. Distance padique sur Q. Distance de Hausdor D(A, B ) = max sup inf d(a, b) , sup inf d(a, b) . Distance de Mahalanabis dans R : d(x, y ) = (x y ) V covariance.
n aA bB T bB aA 1

(x y )

1/2

, o` u V est une matrice de variance-

1.3. Remarques. Choquet (Cours danalyse II, topologie, Masson, 1969) d enit egalement (pp.60-62) les ecarts et les jauges. On est tr` es habitu e maintenant a ` voir ces notions topologiques exprim ees en termes din egalit es non strictes et . Il nen a pas toujours et e ainsi: Laurent Schwartz est conscient dinnover en ecrivant 2 dans son Cours danalyse (Hermann, 1967) a ` la page 17: Notons que nous rompons ici avec lusage ant erieurement acquis en appelant inf erieur ce quon appelait inf erieur ou egal, et strictement inf erieur ce quon appelait inf erieur3. La raison d etre de ces changements, pleinement justi es par la suite, est que la notion la plus g en eralement utilis ee est , et quil est bon quelle ait lappellation la plus courte. On devra toujours utiliser plut ot que < , toutes les fois que cela sera possible; quand on ecrira une in egalit e stricte avec < , ce sera pour avertir le lecteur quil y a un point d elicat, et que lin egalit e large ne conviendrait pas. Par exemple, la continuit e dune fonction r eelle dune variable r eelle en un point a s ecrira ainsi: quel que soit > 0, il existe > 0 tel que |x a| entra ne |f (x) f (a)|
1

Voir http://cedric.cnam.fr/ABU/BIB/auteurs/poincareh.html Remarque aimablement communiqu ee par J. Meinguet. 3 En anglais, et sont toujours less or equal et greater or equal (note de lA.)
2

MATH2171 2005-06 1 Th eor. g en eraux

19

Nous avons mis le symbole din egalit e large toutes les fois que c etait possible, et nous navons employ e lin egalit e stricte > 0 que l` a o` u c etait absolument n ecessaire a ` l enonc e.

Sans transition, la suite PPDA 1.4. Normes. Une norme sur un espace vectoriel X (sur R ou C) doit v erier (1) f X, f 0, (2) f = 0 f = 0, (3) f = || f , (4) f, g X, f + g f + g . Alors, f g est une distance valide.
1.5. Exemples, exercices. Montrez que f g f g (dans tout triangle, tout c ot e est sup erieur a ` la di erence des deux autres). Normes de H older sur Rm ou Cm : m p 1/p x p = ( 1 |xk | ) ,1 p ( x = maxk |xk |). Cf. [Dav] pp. 130133. Normes de H older sur Lp (A): ( f = suptA |f (t)|. f p = ( A |f (t)|p )1/p , 1 p Normes pond er ees: si wk > 0, k = 1, . . . , m, x w = y , avec yk = wk xk est encore une norme; si w(t) > 0 presque partout sur A, w(t)f (t) est encore une norme de f .

La norme est une fonction continue sur X : si limn fn = f , cest-` a-dire si f fn 0 quand n , on a fn f , puisque | f fn | = | fn +(f fn ) fn | f fn . f g La norme est m eme une fonction lipschitzienne: L = 1. f g Sur un espace de dimension nie V , la norme est une fonction continue des coordonn ees dans une base quelconque: soient {a1 , . . . , an } et {b1 , . . . , bm } les composantes de f et g dans V de base 1 , . . . , m }. Alors, k k f g = C maxk |ak bk |, 1 (ak bk )k 1 |ak bk | k k avec C = 1 k .
Inversement, les composantes sont continues selon toute norme donn ee sur V de dimension nie: si m m f = a et g = b , montrons que | a b | C f g , o` u C ne d epend que de la base j j j j k k 1 1 m (n) {1 , . . . , m } de V . Sinon, on pourrait trouver une innit e d el ements fn = 0 de V avec fn = 1 aj j , et
(n)

|ak |/ fn . Divisons les composantes de chaque fn par la plus grande dentre elles: on a maintenant une suite {gn } de composantes born ees (par lunit e), avec gn 0. Extrayons des suites convergentes de composantes, on obtient une suite {gni }i convergente, et on peut sarranger pour que lune des composantes de la limite soit egale a ` 1. Comme gn 0, on a une repr esentation de limn gni = le vecteur nul avec des composantes non nulles, ce qui est impossible si {k } est une base de V .

avec 0 < D C < . Si ee, et si ` partir est une norme donn est une norme, utile aux calculs, construite a dune repr esentation dans une base, la base est dautant plus int eressante que le rapport C/D

Tout ceci conrme la proposition bien connue d equivalence des normes sur un espace vectoriel de dimension nie : si et sont deux normes valides sur V de dimension nie, f V, D f f C f ,

MATH2171 2005-06 1 Th eor. g en eraux

20

est petit (proche de lunit e). En eet, pour estimer la proximit e de deux el ements de X en erreur relative f g / f en ne connaissant que la valeur des normes , on a D 1 = K C f g f g
/

f / f

C =K D

(nombre de condition, ou conditionnement) (1)

Savoir que C/D < , cest de lanalyse; savoir estimer C/D , cest de lanalyse num erique. Notation. On d esigne par Pn lensemble des polyn omes de degr e n. Cest une espace vectoriel de dimension n + 1. N.B.: Lensemble des polyn omes de degr e exact n nest pas un espace vectoriel!
1.6. Exercices, exemples. On prend = norme du maximum pour des fonctions continues sur [0, 1], V = P1 , P2 ,. . . , omes 1, x, x2 ,. . . Ce nest justement = maximum des |coecients| dans la base des mon pas une tr` es bonne base quand le degr e augmente: 1 max(|a|, |b|) max |ax + b| 2 max(|a|, |b|) , 0 x 1 2 1 max(|a|, |b|, |c|) max |ax2 + bx + c| 3 max(|a|, |b|, |c|) , 0 x 1 8 comment les choses evoluent-elles avec le degr e? (voir plus loin (point 3, p. 41).

On notera Br la boule {f X : f r } (ferm ee) de centre 0 et de rayon r , Br (c) la boule {f X : f c r } de centre c X et de rayon r . Formes de la boule unit e B1 de R2 :
1 2

1.7. Formes et applications lin eaires continues sur des espaces vectoriels norm es de fonctions. 1.7.1. .Lexpression g en erique dune forme continue sur lespace C [a, b] des fonctions continues sur [a, b], norm e par , est
b

: (f ) =
a

f (x) (x) dx,

o` u est une fonction int egrable sur [a, b]. On etablit dailleurs que la norme de cette forme vaut
b b

= sup
f

f (x) (x) dx =
1 a a

| (x)| dx =

MATH2171 2005-06 1 Th eor. g en eraux Ce ne sont pas les seules expressions possibles: toute combinaison de valeurs ponctuelles
M

21

: (f ) =
k =1

k f (xk ),

(2)

o` u les k et les xk sont x es, convient egalement. On trouve alors (cest encore plus facile),
M

=
k =1 b

|k | . f (x) d(x) au chap. 3, (53), p. 73.

Voir aussi les int egrales de Riemann-Stieltjes

a

1.7.2. . Une forme contenant des d eriv ees, comme

b M

(f ) =
a

f (x) (x) dx ,

ou (f ) =
k =1

k f (xk ),

nest normalement pas born ee dans un espace de fonctions norm e par . On doit prendre une autre norme, par exemple f = f + f . 1.7.3. . Dans un espace X de dimension nie de fonctions continues, toute forme d enie partout est continue et peut dailleurs sexprimer comme (2): si {b0 , . . . , bN } est une base de X , on peut ecrire, f X , f = N 0 ci bi . Alors, on voit que N ne d epend que des (bi ): (f ) = 0 ci (bi ). Eliminons les ci a ` partir de N + 1 valeurs de f en des points x0 , . . . , xN : f (xi ) = N 0 cj bj (xi ), do` u [0 , . . . , N ] = [(b0 ), . . . , (bN )][bj (xi )]1 , valable si la matrices des bj (xi ) est non singuli` ere (unisolvance, voir plus loin, probl` eme dinterpolation en g en eral, 1.2, p. 141). 1.7.4. . Dans Lp , utiliser H older:
b

(f ) =
a

f (x) (x) dx = q ,

si Lq , p1 + q 1 = 1. 2. Existence dune meilleure approximation. Pouvez-vous dire mieux? Coluche 2.1. Th eor` eme dexistence de meilleure approximation dans un sous-espace de dimension nie. Soit X un espace vectoriel norm e sur R ou C et V un sous-espace vectoriel de dimension nie de X . Alors, f X , il existe au moins un p V tel que f p = inf qV f q .

MATH2171 2005-06 1 Th eor. g en eraux

22

B


(f )

f p

D emonstration : en eet, soit E = inf qV f q . Comme q = 0 est dans V , on a E f . Il sut donc dexaminer f q sur la partie ferm ee born ee K = B f (f ) V de V de dimension nie. La fonction continue f q atteint son inmum E en au moins un point q = p du compact K .

Sur la gure, on a not e B f (f ) qui contient 0 sur sa fronti` ere, et aussi BE (f ) (en trait plus gras) qui touche V en p. La d emonstration peut se faire en termes des composantes de q dans une base de V . La norme f q appara t alors comme une fonction continue de ces composantes r eelles ou complexes, que lon minimise donc sur une partie compacte K de Rm ou Cm , avec K = {a1 , . . . , am : m 1 a k k K }. Remarquons que K est enti` erement contenu dans la boule B2 f : si f q = q f f , q = f + (q f ) f + qf 2 f . Le vecteur des composantes de q v erie donc a 2 f /D. 2.2. Contre-exemple. Voici un exemple de non-existence quand on approche sur une partie de X qui nest pas un sous-espace vectoriel : on prend X = C [1, 1], la norme du maximum, f (t) = t, V = {ae bt + cedt }a,b,c,dR. On trouve E = 0: prendre q (t) = N (et/N et/N )/2 = N sinh(t/N ) = t + t3 /(6N 2 ) + , on a donc t q (t) aussi petit que lon veut, mais il nexiste pas de q V tel que q f = E = 0, f (t) = t nest pas une combinaison dexponentielles. Cf. aussi [Dav, p.153]. Autre exemple de supremum inaccessible: soit F une fonction positive strictement d ecroissante sur [0, ). Probl` eme 1: maximiser la moyenne de F , 0 F (x) d(x) sur les mesures de probabilit e . Le r esultat ne peut d epasser F (0) et est evidemment r ealis e avec la mesure ponctuelle 0 en 0. Probl` eme 2: on se limite maintenant aux mesures de moyenne m > 0. On peut encore sapprocher autant que lon veut de F (0): prendre les mesures (1 )0 + m/ qui ont bien une moyenne x d(x) egale a ` m, et qui donnent F d = (1 )F (0)+ F (m/). Le supremum est donc encore F (0). Mais il nest atteint que par 0 qui a une moyenne 0 = m. . .

2.3. Remarque. Si p est une meilleure approximation de f dans V et si q V , p + q est une meilleure approximation de f + q dans V . Ou encore: f p est l el ement de norme minimale de lespace ane f + V . En eet, soit E = f p . On a f + q (p + q ) = f p = E . Sil y avait un el ement r de V v eriant f + q r < E , r q serait une meilleure approximation de f que p. 3. Unicit e de la meilleure approximation. 3.1. D enition. Convexit e. Une partie P dun espace vectoriel X est convexe si f et g P = f + (1 )g P pour [0, 1] (combinaison convexe de f et g ). Toute boule Br (f ) = {g X : g f r } dun espace m etrique X est convexe. Toute vari et e lin eaire de X est convexe. 3.2. Proposition. Dans les conditions du th eor` eme pr ec edent, lensemble des meilleures approximations de f dans V est une partie convexe de V . En eet, cet ensemble est BE (f ) V , lintersection de deux convexes est convexe. Par
exemple, prendre la norme du maximum sur [1, 1], f (t) = t, V = {at2 + b}a,bR .

MATH2171 2005-06 1 Th eor. g en eraux

23

3.3. D enition. Une norme est stricte si la boule unit e est strictement convexe, cest-` adire si f 1, g 1, f + g = 2 f = g . Les normes 1 et ne sont pas strictes. La
norme p est stricte si 1 < p < ([Dav , p.141]). On verra plus tard (chap. 3) quune norme d erivant dun produit scalaire est toujours stricte: f + g 2 2 f + 2(f, g ) + g ne vaut 4 que si f = g = (f, g ) = 1 f g 2 = f 2 2(f, g ) + g 2 = 0.
2

3.4. Une condition susante dunicit e. Th eor` eme. Le probl` eme pos e au th eor` eme 2.1 a une solution unique si la norme de X est stricte. En eet, toujours avec E := minqV f q , soit E > 0 (si E = 0, la seule meilleure approximation est f lui-m eme). Supposons que p1 et p2 sont deux meilleures approximations f p1 f p2 2f p1 p2 distinctes de f . On a = 1, = 1, donc < 2, ou encore E E E f (p1 + p2 )/2 < E : (p1 + p2 )/2 serait un el ement de V meilleur que p1 ou p2 . Dans le cas des normes non strictes, des th eor` emes dunicit e pourront encore etre etablis, on verra un cas au chapitre suivant.

3.5. Exercice. En plus de lexemple dans 3.2, voir ces deux exemples de non unicit e ([Pow, pp. 18-19]): X = C [1, 1] avec eme X , 1 , f = la constante 1, V = {x}R ; le m mais avec eme f , V = {(1 + x)}R . , le m 4. Continuit e du projecteur de meilleure approximation. Que la norme soit stricte ou non, si X et V sont tels que f X poss` ede exactement une meilleure approximation dans V , on peut d enir le projecteur P : P f = meilleure approximation de f dans V.
Par exemple, prendre X = C [1, 1], la norme du maximum, V = constantes, f (t) = t, g (t) = t 2 , on a P f = 0, P g = 1/2, P (f + g ) = 7/8 = P f + P g . (Sur les constantes, P f = (max tA f (t) + mintA f (t))/2.)

Ce projecteur (P 2 = P ) est normalement une application non lin eaire X V . On a quand m eme P (f ) = P f pour tout scalaire .

4.1. Th eor` eme de continuit e. Dans les conditions du th eor` eme 2.1, si tout f de X admet exactement une meilleure approximation P f dans V , lapplication P est continue sur X. En eet ([Che] pp. 2324), soit f X . Il faut montrer que, > 0, il existe un voisinage non vide {g : g f } enti` erement envoy e par P dans la boule de centre P f et de rayon . Supposons quil nen est rien: il existe donc un > 0 tel que tous les voisinages de f ont des images par P contenant au moins un el ement situ ea ` distance > de P f . . . Il y a donc une suite {fn } convergeant vers f : fn n f dans X , et dont les images ne tendent pas vers P f : P fn P f > x e > 0. Comme fn f (continuit e de la norme), toutes les normes fn sont born ees par un m eme nombre M ; on a vu que P fn se trouve n ecessairement dans la boule de centre fn et de rayon fn , donc dans B2 fn B2M . Tous les P fn et P f sont donc dans le compact B2M V de V (compact parce que V est de dimension nie). Nous pouvons donc consid erer une suite extraite convergente {P fni } des P fn , de limite h V , n ecessairement distinct de P f , mais

MATH2171 2005-06 1 Th eor. g en eraux alors h f = lim P fnj fnj

j j

24

lim P f fnj Pf f

puisque P fnj est meilleure que P f

impossible si h = P f , puisque P f est la seule meilleure approximation de f dans V .

4.2. Forte unicit e. On peut parfois quantier la distance entre f et un el ement quelconque q de V par une in egalit e de la forme f q f Pf + Pf q , avec > 0 d ependant de f et V , mais pas de q . Cela revient a ` une condition de Lipschitz pour le projecteur P: Pf Pg , f g

avec = 2/ ([Che] pp. 8082).

5. Dualit e. Si est une forme lin eaire = 0 continue sur X , de noyau contenant V , on a (f ) = (f q ) pour q V , en particulier avec la meilleure approximation p de f : |(f )| = |(f p)| E (f ), o` u E (f ) := f p . On a donc la borne inf erieure E (f ) |(f )|/ si (q ) = 0, q V . On aura loccasion de concr etiser cette propri et e au chapitre suivant ( 2.2 et 2.4). Th eor` eme. Si X est un espace de Banach, V un sous-espace de dimension nie de X , E (f ) = max (f ).
V =1

On applique le th eor` eme de Hahn-Banach ([DeVLor] p.61, [Mei] 1.3). Extension a ` la meilleure approximation sur une partie convexe de X : Th eor` eme de Fenchel. Si W est une partie convexe de lespace norm e X , on a E (f ) := inf Cf. [DeVLor] p.6162.
q W

f q = sup

X 1

(f ) sup (q ) .
q W

6. Exemples et exercices. 6.1. (1) Prendre X = C [a, b], V = les constantes, et (a) : on obtient p = (max f + min f )/2. Remarquer que f q a un point critique non d erivable en q = p. (b) f q 2 ome du second degr e en q . On obtient 2: 2 est simplement un trin 1 b p = (b a) f (x)dx. a (c) : supposer dabord f monotone p = f ((a + b)/2). 1 (3) Prendre X = {f C [0, 1] : f (0) = 0} et V = {q (x) = ax}aR . Comparer avec Taylor xf (0) pour quelques fonctions simples de V , par exemple sin x, etc.

MATH2171 2005-06 1 Th eor. g en eraux

25

(4) Syst` emes surd etermin es d equations lin eaires. On ne peut (normalement) pas r esoudre exactement N equations lin eaires a ` n inconnues si N > n. On choisit x R n tel que b Ax soit minimum selon une norme de RN . Cela correspond a ` X = RN et V = espace sous-tendu par les colonnes de A. es 2 : moindres carr Cf. G.A. Watson, Approximation Theory and Numerical Methods, Wiley, 1980, pour eaire: [Sti] 2.7. et programmation lin 6.2. Moyenne et m ediane. Reprendre les constantes, mais pour approcher une fonction discr` ete, par exemple des cotes d etudiants (exemple purement imaginaire4): x 1 2 3 4 5 f (x) 18 17 16 14 2 Le bon sens sugg` ere que lexamen a et e bien r eussi, quil ny a quun cas malheureux a ` d eplorer. Pourtant, la meilleure constante selon la norme du maximum est (min f i (xi ) + maxi f (xi ))/2 = 10 sugg` ere une assez m ediocre performance densemble: cette norme est trop sensible aux cas extr emes pour etre utile ici. Selon 2 , on obtient la moyenne 67/5 = 13.4, encore curieusement basse: tous les etudiants sauf un seraient au-dessus de la moyenne. . . La vraie performance moyenne (au demeurant excellente) est evidemment celle de l etudiant eme class e en (n/2)` position (m ediane ). Elle est obtenue en minimisant
n

f c

=
i=1

|f (xi ) c| selon c, ce qui donne bien c = f (xn/2 ). (Plus pr ecis ement: f (x(n+1)/2 )

si n est impair; f (xn/2 ) ou f (x1+n/2 ) si n est pair: exemple de non unicit e). 6.3. Principaux sous-espaces de fonctions utilis es en approximation. (1) Pn , polyn omes de degr e n. Base usuelle: {1, x, x2 , . . . , xn }. Dimension n + 1. On se pr eoccupera beaucoup de d eterminer des bases plus ecaces. . . (2) Tn , polyn omes trigonom etriques de degr e n. Bases les plus utilis ees: {{1, cos x, cos 2x, . . . , cos nx}, {sin x, sin 2x, . . . , sin nx}}; {einx , ei(n1)x , . . . , eix , 1, eix , . . . , einx }. Dimension 2n + 1. k (3) Sn (), fonctions spline d enies sur [a, b] a ` partir dun d ecoupage = {a = x1 < k x2 < < xN 1 < xN = b}. f Sn () si (a) f est de classe C k dans [a, b], et (b) la restriction de f a ` un sous-intervalle [xi , xi+1 ] est un polyn ome de degr e n. k +1 k +1 n n n Une base: {1, x, . . . , x , (xx2 )+ , . . . , (xx2 )+ , (xx3 )+ , . . . , (xx3 )+ , . . . , . . . , (x +1 n xN 1 )k u F+ d esigne la fonction qui vaut z ero quand F (x) 0, + , . . . , (x xN 1 )+ }, o` et qui vaut F (x) quand F (x) 0. Dimension: n + 1 + (n k )(N 2). Base la plus el egante: B-splines, nulles sur le plus grand nombre possible de sousintervalles.
k

(4)

k En ,

combinaisons de polyn omes et dexponentielles donn ees:

j =1

pj (x)ej x , pj Pn .

4dapr` es

un exemple donn e par J. Buijs, KULeuven.

MATH2171 2005-06 1 Th eor. g en eraux 6.4. Centre et rayon de Tchebyche dune partie P de X .

26

exemple5, tous les points du segment vertical (0, 1) (0, 1) sont des centres du segment horizontal (1, 0) (1, 0) de R2 muni de . Plus etonnant: o` u est (sont) le(s) centre(s) du triangle de sommets A = (1, 1, 1), B = (1, 1, 1) et C = (1, 1, 1) de R3 muni de ? Le triangle est enti` erement contenu dans la boule de rayon 1 centr ee a ` lorigine (le cube de B la gure ci-contre). Tout autre centre pr esum e (c1 , c2 , c3 ) ne convient pas car au eme moins une des di erences ci la i` coordonn ee dun des points A, B , ou C a une ees qui vaut 1 et une qui C valeur absolue > 1 (il y a toujours une de ces coordonn vaut 1). La curiosit e est donc que le centre nest pas dans P . On montre que toute partie de X admet un centre dans son enveloppe convexe si et seulement si X est pr ehilbertien (voir ce mot en p. 74). Cf. Klee, Victor, Circumspheres and A inner products. Math. Scand. 8 1960 363370. Garkavi, A. L. On the Ceby sev center and convex hull of a set. (Russian) Uspehi Mat. Nauk 19 1964 no. 6 (120), 139145. Holmes, Richard B. A course on optimization and best approximation. Lecture Notes in Mathematics, Vol. 257. Springer-Verlag, Berlin-New York, 1972. viii+233 pp. 6.5. Largeurs de Kolmogorov. A un degr e plus elev e de maturit e, la th eorie de lapproximation se pose le probl` eme suivant: pour une norme donn ee, et une partie P donn ee de X , on consid` ere tous les sous-espaces V de dimension m de X , et on evalue pour chaque V lerreur du plus mauvais f de P : M (V ) = supf P minqV f q . On minimise alors M (V ) selon V . . . On ne sait donc pas a ` lavance quelle sera la nature des approximations. Exemple (A. Pinkus, n-Widths in Approximation Theory, Springer, 1985): X = {f : f C r [0, 2 ] avec f (0) = f (2 ), f (0) = f (2 ),. . . f (r1) (0) = f (r1) (2 )} muni de la norme de L2 , P = {f : f X, f (r) 1}. On trouve V = T n1 , espace des polyn omes trigonom etriques de degr e n 1 = plus grand entier < m/2; M (V ) minimum = 1/nr . Cest une fa con de justier lint er et num erique des s eries de Fourier. Cf. aussi C.A. Micchelli, T.J. Rivlin, Editors: Optimal Estimation in Approximation Theory , Plenum Press, New York, 1977. 6.6. Coapproximation. Soit E un espace vectoriel norm e, G un sous-espace de E et x E . Tout el ement g 0 G v eriant g G : g0 g x g est appel e el ement de meilleure coapproximation de x par des el ements de G. Dans un pr ehilbertien, approximation et coapproximation sont equivalentes. Cf. Papini, Pier Luigi; Singer, Ivan: Best coapproximation in normed linear spaces. Monatsh. Math. 88, 27-44 (1979). Rao, Geetha S.; Swaminathan, M.: Best coapproximation and Schauder bases in Banach spaces. Acta Sci. Math. 54, No.3/4, 339-354 (1990). Rao, Geeta S.; Muthukumar, S.: Semi-continuity properties of the coapproximation operator. Math. Today 5, 37-48 (1987). Rao, Geetha S.; Chandrasekaran, K.R.: Characterizations of elements of best coapproximation in normed linear spaces. Pure Appl. Math. Sci. 26, 139-147 (1987). Rao, Geetha S.; Swaminathan, M.: On normal bases. Bull. Calcutta Math. Soc. 88, No.2, 107-112 (1996).

c X est un centre de Tchebyche de P si supxP c x est la plus petite possible, cette norme minimale est appel ee rayon de Tchebyche de P . Cest donc le rayon de la plus petite boule contenant P . Par

5Exemples

et r ef erences fournis par Michel Coyette.

MATH2171 2005-06 2 Tchebyche

27

CHAPITRE 2
Approximation au sens de Tchebyche.
1. Th eor` eme d equioscillation de Tchebyche. Approximation au sens de Tchebyche signie simplement meilleure approximation utilisant la norme du maximum es banal, semble-t-il1. La contri , ce qui na rien que de tr` bution cruciale de P.L. Tchebyche (1821-1894) consista a ` d ecrire de fa con saisissante cette meilleure approximation. Voyons imm ediatement le th eor` eme essentiel de Tchebyche:

1.1. Th eor` eme d equioscillation de Tchebyche (1853). 2 Soit X = C [a, b] lespace des fonctions continues r eelles sur lintervalle compact [a, b], V lespace Pn des polyn omes r eels de degr e n. Alors p est la meilleure approximation de f dans Pn au sens de la norme du maximum si et seulement si on peut trouver n + 2 points distincts dans [a, b] a xn+1 < xn < xn1 < . . . < x1 < x0

b et de signes altern es: (3)

o` u f p prend des valeurs de m eme valeur absolue E = f p f (xi ) p (xi ) = E (1)i ,

i = 0, 1, . . . , n + 1,

o` u est le signe de f (x0 ) p (x0 ). Un tel ensemble de points est appel e alternant .
Il est en eet indispensable quil ne soit, en aucun endroit, susceptible de plus ou de moins. . . . Le point a ` partir duquel il est egal en tout sens tend egalement vers ses limites. Parm enide

On peut donc avoir plusieurs points, ou m eme tout un intervalle, o` u f p atteint un extr emum, ces points ne comptent que pour un point tant que f p natteint pas lextr emum oppos e (voir gure qui repr esente un exemple de graphe de f p ).
1On

dit aussi approximation minimax. Tr` es exactement, dans Th eorie des m ecanismes connus sous le nom de parall elogrammes, M emoires pr esent es a ` lAcad emie Imp eriale des sciences de St.-P etersbourg par divers savants, VII, 1854, pp. 539568, Lu le 28 janvier 1853, o` u le th eor` eme d equioscillation est esquiss e. Tchebyche reprend la question de mani` ere beaucoup plus d etaill ee dans un article de 1859 (lu le 9 octobre 1857) Sur les questions de minima qui se eme rattachent a ` la repr esentation approximative des fonctions [Tche]. Il a fallu attendre le 20` si` ecle et le d eveloppement de la notion de compacit e (Borel) pour arriver a ` la d emonstration compl` ete [ Che].
2

MATH2171 2005-06 2 Tchebyche (x) d6 z2 d5 x1 z1 d4 d3 d2 d1

28

E f (x) p (x)

x0 b -

E . . . u5 u4 u3 u2 u1 Les points on et e num erot es a ` partir de la droite, on verra plus loin que cest plus commode. 1.2. Preuve de la condition n ecessaire: p optimal dans Pn (3). 1.2.1. Deux premiers points. On a donc E = f p = maxa x b |f (x) p (x)|. La fonction continue |f p | atteint en au moins un point de [a, b] son maximum E . En fait, f p atteint sa valeur maximale Emax en au moins un point, et sa valeur minimale Emin en au moins un autre point. Par d enition de E , E = max(Emax , Emin ). En fait, E = Emax = Emin : sil en etait autrement, par exemple si minx (f (x) p (x)) = > E , soit := (E + )/2. Remarquons que = 0.Alors, p + serait meilleur que p : (E ) = = min(f (x) p (x) )
x

max(f (x) p (x) ) = E ,

x

on aurait donc f p = E < E. M eme raisonnement si on avait maxx (f (x) p (x)) < E . On a donc d ej` a un alternant dau moins deux points. Prenons n > 0 puisquil ny a plus rien a ` d emontrer si n = 0. 1.2.2. D ecoupage. Comme f p est continue sur le compact [a, b], elle y est uniform ement continue: > 0, > 0 tel que dans tout intervalle de longueur dans [a, b], loscillation de f p est inf erieure a ` . Prenons le correspondant a ` = E/2 et divisons [a, b] en s 1 intervalles3 [us , us1 ], [us1 , us2 ],. . . , [u2 , u1 ] de longueurs , avec a = us < us1 < . . . u2 < u1 = b. Sur les intervalles [uk+1 , uk ] o` u |f p | atteint son maximum E , |f p | ne peut prendre des valeurs inf erieures a ` E/2, de sorte que f p garde un signe constant sur ces intervalles-l` a (il y en a au moins deux). Notons, a ` partir de la droite, d1 , d2 ,. . . , dN ces intervalles. Sur les autres intervalles (ferm es) [ui+1 , ui ], la fonction continue |f p | natteint jamais la valeur E , elle atteint donc une valeur maximale que nous notons E . On a E < E . Soit = +1 ou 1 le signe de f p sur d1 . Regroupons ces intervalles tant que f p y garde le m eme signe: d 1 , d 2 , . . . , d k1 signe = dk1 +1 , dk1 +2 , . . . dk2 signe = ........................................... dkm1 +1 , dkm1 +2 , . . . dkm signe = (1)m1 Dans le cas de la gure, on a = 1, k1 = 4, k2 = 5, k3 Montrons que m n + 2.
3Ici,

6. . .

on suit [` a peu pr` es] les notations de Natanson [Nat] pp. 26 et suivantes; voir aussi [ Riv1, chap. 1,

1.2].

MATH2171 2005-06 2 Tchebyche

29

Supposons que m < n + 2. Comme la fonction continue f p a le signe sur tout lintervalle dk1 et le signe oppos e sur tout lintervalle dk1 +1 , il y a au moins un intervalle [ur+1 , ur ] entre dk1 +1 et dk1 . Soit z1 (ur+1 , ur ) (lintervalle ouvert!). On peut dailleurs prendre un point entre dk1 +1 et dk1 o` u f p sannule. De m eme, on choisit z2 entre dk2 +1 et dk2 , . . . , zm1 entre dkm1 +1 et dkm1 . 1.2.3. Construction dun polyn ome meilleur que p si m < n + 2. . On construit alors Cest un polyn ome de degr e m 1 < n + 1, donc un el ement de V = Pn . Le polyn ome ne sannule quaux zi , donc garde un signe constant sur chaque intervalle di . Le polyn ome a pr ecis ement le m eme signe que f p sur chaque di : sur d1 ,. . . , dk1 , (x) et f (x) p (x) ont tous deux le signe puisque x > z1 > z2 > : (x) > 0; sur dk1 +1 ,. . . , dk2 , (x) et f (x) p (x) ont tous deux le signe puisque z1 > x > z2 > : (x) < 0, etc. Montrons que lon peut trouver > 0 assez petit tel que p + soit meilleur que p : sur les di , f (x) p (x) (x) garde le signe de f (x) p (x) pourvu que |(x)| soit toujours plus petit que |f (x) p (x)| E/2, il sut donc de prendre 0 < < E/(2 ) .Le maximum de |f p | sur les di sera donc r eduit a ` un nombre inf erieur a ` E minxdi |(x)| < E . Enn, sur les intervalles [ui+1 , ui ] qui ne sont pas des di , on sait que |f (x) p (x)| ne d epasse pas E < E , donc, avec < (E E )/ , le maximum de |f p | reste encore inf erieur a ` maxxdi |f p | + < E . Si m < n + 2, on peut donc construire une approximation meilleure que p dans Pn , ce qui est impossible: m n + 2. 1.3. Preuve de la condition susante (3) p optimal dans Pn . Montrons que, si on a pu construire p Pn tel que f p poss` ede un alternant de n + 2 points, p ne peut etre am elior e: si q Pn etait meilleure approximation que p , on aurait f q < E = f p (on ne consid` ere que le cas f Pn : E > 0). Examinons ce qui se passe en x0 , x1 ,. . . , xn+1 : f (x0 ) p (x0 ) = E et |f (x0 ) q (x0 )| < E , donc, q (x0 ) p (x0 ) = f (x0 ) p (x0 ) (f (x0 ) q (x0 )) est non nul avec le signe . En x1 , q p a le signe , etc. Le polyn ome q p devrait donc sannuler en n + 1 points distincts s eparant les n + 2 points xi , ce qui nest pas possible avec un polyn ome non nul de degr e n. 1.4. Exemple. La fonction f (x) = sin 6x ne peut etre approch ee sur [0, 1] par un polyn ome meilleur que le polyn ome nul tant que le degr e reste 4. En eet, avec p(x) 0, f p pr esente un alternant de 6 points en 1/12, 3/12, . . . , 11/12, de sorte que 0 est optimal dans P0 ,. . . , P4 . 1.5. Th eor` eme dunicit e de la meilleure approximation polynomiale au sens de Tchebyche. La meilleure approximation polynomiale de degr e n au sens de Tchebyche dune fonction r eelle continue sur un compact [a, b] est unique. Comme la norme de Tchebyche nest pas stricte, on ne peut appliquer un th eor` eme g en eral, mais le raisonnement particulier suivant etablit la proposition: Si p et q sont deux polyn omes de meilleure approximation, il en est de m eme de (p + q )/2 (combinaison convexe). Donc, par le th eor` eme d equioscillation, f (p + q )/2 poss` ede un alternant de n + 2 points {x0 , x1 , . . . , xn+1 } (condition n ecessaire). En un de ces points, soit xk , on a f (xk ) (p(xk ) + q (xk ))/2 = k E , o` u k = (1)k est le signe appropri e, donc f (xk ) p(xk ) + f (xk ) q (xk ) = 2k E . Comme |f (xk ) p(xk )| et |f (xk ) q (xk )| sont tous (x) = (x z1 )(x z2 ) . . . (x zm1 ).

MATH2171 2005-06 2 Tchebyche

30

deux E , cela nest possible que si f (xk ) p(xk ) = k E et f (xk ) q (xk ) = k E , donc q (xk ) = p(xk ) en n + 2 points distincts, le polyn ome q p devrait sannuler en ces n + 2 points, impossible avec un polyn ome non nul de degr e n. 2. Propri et es de la meilleure approximation. 2.1. Sym etrie. Th eor` eme. Si f est une fonction paire sur un intervalle de la forme [a, a], cest-` a-dire si x [a, a], f (x) = f (x), alors sa meilleure approximation p de degr e n au sens de Tchebyche est egalement une fonction paire. De m eme, si f est une fonction impaire (f (x) = f (x)), p est une fonction impaire 4. En eet, soit f (x) = sf (x) avec s = 1 (fonction paire) ou s = 1 (fonction impaire). On a do` u on conclut que sp (x) est egalement une meilleure approximation de f sur le m eme intervalle [a, a], do` u, par unicit e, sp (x) = p (x). Si f est paire sur [a, a], la meilleure approximation de degr e 2n pr esente donc n ecessairement un alternant dau moins 2n + 3 points (puisque le m eme p est egalement optimal dans P2n+1 )! Par exemple, x2 + 1/8 est la meilleure approximation de degr e 3 de |x| sur [1, 1]. Les points extr emaux de la fonction derreur sont bien a nombre de 5: 0, 1/2 et 1. 2.2. Th eor` eme (de La Vall ee Poussin). Soit f continue sur le compact [a, b] et p sa meilleure approximation de degr e n au sens de Tchebyche. Soit E = f p . Alors, si on conna t p Pn et des points a xn+1 < xn < . . . < x1 < x0 min |f (xi ) p(xi )| b o` u f p prend des valeurs de signes altern es, on a
0 i n+1

E = f (x) p (x)

= f (x) p (x)

= sf (x) sp (x)

= f (x) sp (x)

E.

eme signe etaient > E , chaque p (xi ) p(xi ) serait du m En eet, si tous les |f (xi ) p(xi )| (xi ) (xi )) et que f (xi ) p (xi ) p(xi ) = f (xi ) p(xi ) (f (xi ) p que f (xi ) p(xi ), puisque p nest pas assez grand (sa valeur absolue est E ) pour renverser le signe de f (xi ) p(xi ). Le polyn ome p p Pn devrait donc prendre des signes altern es en n +2 points, donc changer de signe en n + 1 points interm ediaires, ce qui est impossible5. Ce dernier th eor` eme permet dappr ecier dans quelle mesure un polyn ome p Pn est es, on a lencadrement proche de p : si p est tel que les signes des f (xi ) p(xi ) soient altern pour E min |f (xi ) p(xi )| E max |f (x) p(x)|,
i a x b

puisque p nest (normalement) pas optimal et que le dernier terme nest autre que f p
4Cas

Si les deux normes E = f p et f p sont proches, p et p sont egalement proches, par forte unicit e (Chap. 1, 4.2, p. 24, quon d emontrera dans un instant): p p ( f p E )/ .
5Exercice.

particulier dun th eor` eme dinvariance, [Mei] pp. 25-26. Montrez cette variante: soit un polyn ome p Pn tel que f p a des signes altern es en n + 2 points a xn+1 < xn < . . . < x0 b, alors, pour tout polyn ome q Pn , on a, en au moins un des points xi , |f (xi ) p(xi )| |f (xi ) q (xi )|. On en d eduit evidemment mini |f (xi ) p(xi )| f q . (J. Hendrickx, MAP 22, 2002-2003.) (En eet, sil nen etait pas ainsi, q p = f p (f q ) pr esenterait des signes altern es en les n + 2 points xj ).

MATH2171 2005-06 2 Tchebyche

31

o` u Q est le polyn ome de norme unit e ( p p)/ p p Pn . Les n + 2 valeurs Q(xi )/((1)i ) ne peuvent etre toutes 0, sinon Q aurait au moins n +1 z eros. On montre que maxi (1)i Q(xi ) est une fonction strictement positive, continue en les coecients de Q sur le compact B1 Pn , elle admet donc un minimum egalement strictement positif que lon note . En un xi o` u (1)i Q(xi ) , on a donc |f (xi ) p(xi )| E + p p , do` u f p E + p p .

2.3. Unicit e forte. [Che] essayons dappr ecier dans quelle mesure f p est plus grand que f p quand p = p . En chacun des n + 2 points de lalternant de f p , on a Q(xi ) , f (xi ) p(xi ) = f (xi ) p (xi ) + p (xi ) p(xi ) = (1)i E + p p (1)i

Propri et e de Haar, espaces de Haar. Les fonctions continues 1 , 2 ,. . . , m de A vers R ou C ont la propri et e de Haar si (1) A contient au moins m points, m (2) toute combinaison lin eaire 1 ai i est, soit la fonction nulle sur A, soit a au plus m 1 z eros distincts dans A. Lespace Hm sous-tendu par 1 , 2 ,. . . , m est alors appel e espace de Haar ([DeVLor] pp.6773, [Mei] 4.1). Exemples. (1) Pn , avec m = n + 1; (2) lespace des polyn omes pond er es p(x) = w(x)q (x), q Pn sur un ensemble A o` u w ne sannule pas; ceci permet de traiter des probl` emes de meilleure erreur relative avec w = 1/f si f ne sannule pas sur A; (3) lespace Tn des polyn omes trigonom etriques p() = a0 + n 1 (ak cos(k )+ bk sin(k )) sur A = [, ): in i p() = e q (e ) avec q P2n , on a donc m = 2n + 1; m eel (4) les combinaisons lin eaires r eelles dexponentielles r eelles f (x) = 1 ak ek x , sur un intervalle r A, avec 1 ,. . . , m distincts: la propri et e est vraie pour m = 1, si elle est vraie pour m 1, f ne peut avoir m z eros r eels distincts, car il en serait de m eme pour g : g (x) = e m x f (x), donc g aurait encore m 1 z eros r eels distincts dans A (th. de Rolle), mais g est une combinaison de m 1 exponentielles. Soit 1 , 2 ,. . . , m une suite libre, donc une base de Hm . Si Hm est un espace de Haar, et si x1 , x2 ,. . . , xm sont des points distincts de A, le d eterminant 1 (x1 ) . . D(x1 , x2 , . . . , xm ) = . m (x1 ) . . .
m

2.4. Signes altern es. A partir dune approximation quelconque p, il nest pas toujours possible de trouver n + 2 points xi o` u f p prend des valeurs de signes altern es, mais on peut se donner n + 2 points xi arbitraires (toujours avec a xn+1 < . . . < x0 b, bien s ur), et construire p Pn tel que les valeurs f (xi ) p(xi ) soient de signes altern es.

(4)

est non nul: si on veut exprimer quune combinaison lin eaire 1 aj j sannule en x = x1 , x2 , . . . , xm , on m aboutit au syst` eme d equations lin eaires homog` enes 1 j (xi ) aj = 0, i = 1, . . . , m, qui ne peut admettre que la solution triviale a1 = . . . = am = 0, donc le d eterminant, qui nest autre que (4), doit etre non nul. Passons maintenant au cas de fonctions r eelles sur un intervalle r eel A. Soit x1 > x2 > . . . > xm . D(x1 , x2 , . . . , xm ) est alors de signe constant, soit : en eet, D(x1 , x2 , . . . , xm ) est une fonction r eelle continue de chaque xi qui ne peut sannuler tant que x1 , x2 , . . . , xm sont distincts6. Ensuite: eme sign D(x, x1 , x2 , . . . , xm1 ) = (1)k si xk+1 < x < xk , en eet, on permute la premi` ere et la k` ligne pour retrouver un d eterminant de signe . Par homotopie: soit {x1 , . . . , xm }, avec x1 > x2 > . . . > xm une conguration de d epart, et soit (0) (0) (0) (0) le signe de D(x1 , . . . , xm ), alors D((1 t)x1 + tx1 , . . . , (1 t)xm + txm ) est une fonction r eelle continue de t qui ne peut pas sannuler sur t [0, 1], doit donc garder le signe .
6 (0) (0) (0) (0) (0)

1 (xm ) m (xm )

MATH2171 2005-06 2 Tchebyche

32

On voit maintenant comment construire p dans un espace de Haar r eel Hm de base 1 , . . . , m sur A R, tel que f p prenne des valeurs de m eme valeur absolue et de signes altern es en m + 1 points donn es x1 > x2 > . . . > xm+1 de A: les m + 1 equations sont
m

f (xi ) p(xi ) = f (xi )

j =1

j (xi ) aj = e(1)i1 ,

i = 1, 2, . . . , m + 1,

o` u les m + 1 inconnues sont a1 , . . . , am et e. Le syst` eme est donc de d eterminant

m+1 i=1

1 (x1 ) 1 (x2 ) 1 (x3 ) . . .

m (x1 ) m (x2 ) m (x3 ) . . .

1 (xm+1 ) m (xm+1 )

a1 f (x1 ) a2 f (x2 ) . f (x3 ) = . . . . am . (1)m e f (xm+1 ) 1 1 1 . . .

(1)m D(x1 , . . . , xi1 , xi+1 , . . . , xm+1 ),

somme de termes non nuls tous de m eme signe (1)m , donc non nul.

2.5. Algorithme d echange. (Remez7) A partir dun alternant dessai a xn+1 < xn < . . . x0 b, on d etermine p Pn tel que les n + 2 valeurs f (xi ) p(xi ), i = 0, . . . , n + 1 soient de m eme valeur absolue et de signes altern es, par la m ethode vue plus haut: f (xi ) p(xi ) = (1)i e , i = 0, . . . , n + 1.

On examine alors f (x) p(x) sur tout [a, b] (ou sur une grille ne o` u les valeurs de f sont donn ees). Soit x un point de [a, b] o` u |f p| atteint son maximum E . Par le th eor` eme de La Vall ee Poussin et la d enition de E , norme de lerreur de meilleure approximation, on a |e | E E.

On va maintenant construire un nouvel alternant dessai contenant x et n + 1 des points de lancien alternant dessai, en veillant a ` ce que les signes de f p soient encore altern es sur le nouvel alternant. Ainsi, u Si x est situ e entre deux points xj +1 et xj , on rejette celui de ces deux points o` f p a le m eme signe que f (x ) p(x ), eme signe quen x ; sinon, le nouvel Si a x < xn+1 , on rejette xn+1 si f p y a le m alternant se compose de x , xn+1 , xn , . . . , x1 (donc, on rejette x0 ). eme signe quen x ; sinon, le nouvel b, on rejette x0 si f p y a le m Si x0 < x alternant se compose de xn , . . . , x1 , x0 , x (donc, on rejette xn+1 ).
7

Yevgeny Yakovlevich Remez, 17 f evrier 1896 31 ao ut 1975, cf. J. Approx. Theory 84 (1996) pp. 119120.

MATH2171 2005-06 2 Tchebyche

33

sqrt degree 3, step 1 0.07017 -0.024864

sqrt degree 3, step 2 0.07774 -0.040999

sqrt degree 3, step 3 0.05515 -0.045288

Etapes de lalgorithme d echange. On calcule maintenant q Pn tel que les valeurs de f q soient de m eme valeur absolue |e | et de signes altern es sur le nouvel alternant. Ce polyn ome q est la meilleure approximation possible de f sur le nouvel alternant ( equioscillation), donc, en appliquant le th eor` eme de La Vall ee Poussin sur le nouvel alternant: |e | =
x nouvel alternant

min

|f (x) p(x)|

|e |

E.

On obtient ainsi une suite croissante |e | |e | . . . born ee sup erieurement par E , donc convergente (vers E ). La gure ci-dessus montre un exemple dapplication ( x sur [0, 1], n = 3). Chaque conguration est pr ec ed ee des valeurs de E et e correspondantes. On est parti dun alternant dessai donnant . . . |e | = 0.025, nettement plus petite que E = f pessai = 0.070. Puis, les echanges successifs rapprochent ces deux bornes, jusqu` a arriver a ` E = 0.045929. Exercice: essayer |x| sur [1, 1], degr e 6. . . remezp.htm ) Variantes ( echanges multiples), vitesse de convergence: cf. [Pow, chap. 8 & 9].
Programmes matlab : remezp.m; java: remezp.htm; javascript: remezjs.htm

2.6. Meilleure approximation au sens sur un compact quelconque. Soit f une fonction continue a ` valeurs r eelles ou complexes d enie sur le compact quelconque A, et V un espace vectoriel de dimension nie de fonctions continues sur A. p V est alors une meilleure approximation de f dans V si et seulement si on a, pour q V , max Re [f (x) p(x)]q (x)
xA0

0,
.

o` u A0 est lensemble des points de A o` u |f (x) p(x)| = f p [DeVLor] pp.6367, [Mei] 3.1).

(Th eor` eme de Kolmogorov,

MATH2171 2005-06 2 Tchebyche 3. Polyn omes de Tchebyche. 3.1. Meilleure approximation dun polyn ome de degr e n dans Pn1 .

34

La fonction continue la plus simple qui ne soit pas dans V = Pn1 est un polyn ome f (x) = xn + de degr e n. La fonction derreur e := f p est encore un polyn ome de degr e n ayant en commun avec f son coecient de xn . Les deux probl` emes suivants sont equivalents: (1) Construire la meilleure approximation p de f (x) = xn + xn1 + dans Pn1 sur [a, b], (2) Construire , , . . . tels que e (x) = xn + xn1 + xn2 + soit de norme minimale sur [a, b]. En eet, si on r esout 1), il sut de prendre e = f p ; si on r esout 2), p = f e . La formulation 2) montre quil sut de soccuper de , a et b. De plus, si on r esout 1) ou 2) avec = 1, il sura de multiplier la r eponse p ou e par . On peut donc se limiter au probl` eme: n (3) Construire la meilleure approximation de x dans Pn1 sur [a, b]. Enn, on se ram` ene a ` lintervalle canonique [1, 1] par le changement de variable: a+b ba + t parcourt [a, b]. (5) t parcourt [1, 1] x = 2 2 On peut donc se limiter a `: (4) Construire la meilleure approximation de xn dans Pn1 sur [1, 1]. 1, le polyn ome de Tchebyche de degr e n est n e n (x) x p n1 (x) Tn (x) = = , (6) En En o` up n1 est la meilleure approximation au sens de Tchebyche de xn sur [1, 1], et En = e n est la norme de lerreur de meilleure approximation; pour n = 0, on d enit T 0 (x) 1. 3.3. Premi` eres propri et es. Comme e n est une fonction derreur de meilleure approximation dans Pn1 , elle atteint les valeurs En et En en au moins n 1 + 2 = n + 1 points distincts de [1, 1], par le th eor` eme d equioscillation: en prenant des signes altern es: e n (xk ) = (1)k En , k = 0, . . . , n, ou encore Tn (xk ) = (1)k , k = 0, . . . , n. Le polyn ome Tn de degr e n doit donc sannuler en un point de chaque intervalle (ouvert) (xk+1 , xk ), k = 0, . . . , n 1, ce qui fait d ej` a n z eros, il ne peut y en avoir plus: (1) Si n 1, les z eros de Tn sont tous r eels et distincts dans (1, 1). Soient z0 , z1 , . . . , zn1 ces n z eros. Entre deux z eros de Tn , on est assur e de trouver au moins un z ero de la d eriv ee Tn (th eor` eme de Rolle), mais Tn est de degr e n 1 et a donc n 1 z eros au plus: (2) Si n 2, les z eros de la d eriv ee Tn sont tous r eels et distincts dans (1, 1). Ces n 1 points de (1, 1) sont des extrema possibles de Tn . Mais comme il faut n + 1 extrema dans [1, 1], on doit bien prendre ces n 1 points int erieurs et leur adjoindre les deux extr emit es 1 et 1: Tn (1) = ; Tn (1) = (1)n ; Tn (xk ) = (1)k et Tn (xk ) = 0, k = 1, . . . , n 1. (7) 1 xn < xn1 < . . . < x1 < x0 1 3.2. D enition. Pour n

MATH2171 2005-06 2 Tchebyche

35

Remarquons que = 1: le polyn ome de degr e n xn p n1 (x) a un coecient unit e de xn

n1

et n z eros z0 , . . . , zn1 , donc x p n1 (x) =

puisque tous les zk < 1. Et comme Tn a le m eme signe que xn p n1 (x) (En etant > 0 dans (6)), Tn (1) > 0. 2 Exploitons maintenant (7): 1 Tn est un polyn ome 0 (puisque Tn = 1 1 Tn (x) 1) dans [1, 1], qui sannule en 1, 1, et en x1 , . . . , xn1 . En ces n 1 derniers points 2 2 int erieurs, 1 Tn a des z eros de multiplicit e paire, car 1 Tn ne devient < 0 nulle part dans 2 [1, 1]. Comme le degr e de 1 Tn vaut 2n, on ne peut avoir que des z eros int erieurs doubles : 1 Tn (x)2 = 1 (1 x2 ) (x xk )2 , 2 En k =1
n1

k =0

(x zk ), qui est strictement positif en x = 1

(8)

2 o` u la constante 1/En assure l egalit e des coecients de x2n dans les deux membres de (8) (dapr` es (6), le coecient de xn de Tn (x) est 1/En ). Exprimons maintenant que les xk int erieurs (k = 1, . . . , n 1) sont les z eros de la d eriv ee n1 Tn (de coecient de x egal a ` n/En ):

Tn (x) = (Tn (x))2 = et comparons avec (8)!

n En n 2 En

n1

k =1

(x xk ) (x xk )2 ,

2 n1 k =1

(1 x2 ) (Tn (x))2 = n2 (1 Tn (x)2 ). (9) Cette relation (9) est une equation di erentielle dont Tn est une solution. On va en tirer une premi` ere formule explicite de Tn : (3) Proposition. Pour toute d etermination de la fonction arccos, on a Tn (x) = cos(n arccos x) x = cos , Tn (x) = cos(n ) 1 x 1 , n = 0, 1, . . . (10)

ce qui sexprime aussi par la repr esentation param etrique r eel , n = 0, 1, . . . (11)

En eet, soit y = Tn . L equation (9) (1 x2 )y 2 = n2 (1 y 2 ) est singuli` ere en x = 1 et ne permet pas a ` elle seule de d eterminer y = Tn . Mais nous savons que y (1) = 1, que y est un polyn ome croissant entre x1 (encore inconnu) et x0 = 1, donc, (a) si x1 < x < x0 = 1, y (x) > 0, 1 < y (x) < 1, do` u y 1 y2 = n , 1 x2

toutes les quantit es pr esentes sont positives. On int` egre ais ement: soit y = cos(n arccos x C ). En x = 1, toute d etermination de arccos est un multiple entier de 2 , et on doit avoir y = 1, donc C est un multiple entier arccos y = C n arccos x,

MATH2171 2005-06 2 Tchebyche

36

arbitraire de 2 et la solution est bien (10). Remarquons que lon peut donner une formulation correcte, mais moins el egante, en termes de la fonction arcsin. Enn, x1 est la premi` ere abscisse < 1 (en parcourant (1, 1) de droite a ` gauche) o` u y = 1. On trouve x1 = cos(/n). (b) Si x2 < x < x1 = cos(/n), y (x) < 0, 1 < y (x) < 1, do` u y 1 y2 = n , 1 x2

qui sint` egre maintenant en arccos y = C +n arccos x, ou encore y = cos(n arccos x C ) (parit e du cosinus!). Cest encore la forme (10), et la condition limite y (x1 ) = 1 donne encore C = 0 (` a un multiple entier de 2 pr` es, mais c a ne change rien a ` y ). (c) Les autres intervalles [xk+1 , xk ] reproduisent la situation des deux premiers. Nous pouvons maintenant pr eciser la position des extrema et des z eros: (4) Les n + 1 extrema de Tn sur [1, 1] sont xk = cos(k/n) , k = 0, 1, . . . , n. (5) Les n z eros de Tn sont zk = cos((k + 1/2)/n) , k = 0, 1, . . . , n 1.
En principe, nous pouvons maintenant evaluer En = e n extremum xm : En =
n1 k=0

par En = | valeur de e n | en nimporte quel

(xm zk ) =

n1 k=0

| cos(m/n) cos((k + 1/2)/n)|

2n

2n

= 2n
p=1

| sin((p 1/2)/(2n))| = 2n

p=1

1 ei(p1/2)/n = 21n , 2

emes les ei(p1/2)/n etant les racines 2n` de 1. (cf. un th eor` eme de Cotes-Wessel).

Exercice. Examiner complexe: = r + ii , alors, x = cos = (ei + ei )/2 = (ei eir + ei eir )/2 = cosh i cos r i sinh i sin r ; Tn (x) = cosh ni cos nr i sinh ni sin nr .

3.4. Premiers echantillons. Un peu de virtuosit e en formules trigonom etriques permet dobtenir quelques premiers polyn omes de Tchebyche. T0 (x) = 1. Par convention (compatible avec la formule (10)). T1 (x) = x. cos 2 = cos2 sin2 = 2 cos2 1 : T2 (x) = 2x2 1. cos 3 = cos 2 cos sin 2 sin = (2 cos2 1) cos 2(1 cos 2 ) cos : T3 (x) = 4x3 3x. cos 4 = cos(2(2 )) = 2 cos2 (2 ) 1 = 2(2 cos2 1)2 1 : T4 (x) = 8x4 8x2 + 1.

MATH2171 2005-06 2 Tchebyche 1 1 1

37

Graphes de T1 a ` T6 .
La gure suivante repr esente une superposition de quelques dizaines de polyn omes de Tchebyche.

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Elle fut con cue et r ealis ee, dans lenthousiasme que lon devine, par Y. Brandsteert et A. Ninane, alors (1980) etudiants en physique. Leur ouvrage ne manqua la possibilit e dune publication que de peu, suite a ` la parution dun article8 sur ce ph enom` ene int eressant. Ortiz, T.J. Rivlin, Another look at the Chebyshev polynomials, The American Math. Monthly 90 (1983) 3-10.
8E.L.

MATH2171 2005-06 2 Tchebyche

38

3.5. Exercice. Montrez que Tn (0) ne peut prendre que les valeurs 1, 0 et 1; que Tn (1/2) ne peut prendre que les deux valeurs 1/2 et 1. Utilisez (11). Quelles sont les solutions de Tm (x) = Tn (x)? (m = n). On peut maintenant expliquer quelques propri et es de la gure ci-dessus. . . Tm (x) = Tn (x) cos m = cos n (m n) = 2k . Les abscisses des points dintersection sont donc des cosinus de multiples rationnels de , et il en est de m eme des ordonn ees cos m. Voir aussi dans http://icm.mcs.kent.edu/reports/1999/chebpol.pdf, http://icm.mcs.kent.edu/reports/1998/cheby1.pdf des relations, par M.O. Rayes, entre polyn omes de Tchebyche et nombres premiers, discussion dans CHEBPRIM.HTM Figures de Lissajous9. La courbe (11) (x, y = Tn (x)) : (cos , cos(n)) est un cas particulier de gure de Lissajous. Ces gures permettent d etudier des ph enom` enes ondulatoires. Vois un programme java dans http://isolatium.uhh.hawaii.edu/Media/JavaTools/funcliss.html

3.6. Relation de r ecurrence. La relation suivante est des plus importantes: on a Tn+1 (x) = 2xTn (x) Tn1 (x) , En eet, Tn+1 (x) = cos(n + 1) = cos cos n sin sin n Tn+1 (x) + Tn1 (x) = 2 cos cos n = 2xTn (x) Tn1 (x) = cos(n 1) = cos cos n + sin sin n n = 1, 2, . . . (12)

o` u on a bien s ur utilis e la repr esentation (11). La r ecurrence (12) livre aussi la fa con la plus simple de se persuader que Tn est bien un polyn ome de degr e n: a ` partir des conditions initiales (en n) T0 (x) = 1 et T1 (x) = x, on voit bien que Tn+1 est un polyn ome dont le degr e vaut une unit e de plus que le degr e de Tn . De plus, Proposition. Si n 1, le coecient de xn de Tn (x) vaut 2n1 . En eet, dapr` es (12), le coecient de xn+1 de Tn+1 (x) est le double du coecient de xn de Tn (x), puisque Tn1 nest que de degr e n 1 et na pas de coecient de xn+1 . Le coecient de xn de Tn (x) est donc constante fois 2n , d etermin e par le cas n = 1, T1 (x) = x: la constante vaut 1/2. On peut enn pr eciser maintenant la norme derreur de la meilleure approximation de xn dans Pn1 : Proposition. Si n 1, la norme En derreur de la meilleure approximation de xn par un 1 polyn ome de degr e n 1 vaut En = e n = xn p n1 (x) = n1 . 2 En eet, par la d enition (6) de Tn quand n 1, Tn (x) = (xn p n1 (x))/En , donc le coecient de xn de Tn , que nous savons valoir 2n1 , est linverse de En . On peut maintenant donner compl` etement la solution du probl` eme donn e en 3.1 ,1 : Remarque. La meilleure approximation dun polyn ome de degr e n f (x) = x n + xn1 + dans Pn1 sur [a, b] est p n1 tel que f (x) p n1 (x) = 2 ba 4
n

Tn

La norme derreur vaut donc 2||[(b a)/4]n .

9

2x a b ba

(13)

Remarque faite par L. Demanet, printemps 2000.

MATH2171 2005-06 2 Tchebyche

39

En eet, on se ram` ene dabord a ` un probl` eme sur [1, 1] par (5): f (x) = xn + = n [(a + b)/2+ t(b a)/2] + , o` u les termes n eglig es ne contiennent que des puissances n 1 de t. f est donc un polyn ome de degr e n en t, de coecient de tn egal a ` := [(b a)/2]n . La meilleure approximation sur t [1, 1] donnera la fonction derreur (/2n1 )Tn (t), et on revient a ` la variable x par t = [x (a + b)/2]/[(b a)/2]. 3.7. Polyn ome de moindre norme sur un intervalle, sous contrainte p(0) = 1. Le probl` eme se rencontre dans l etude de m ethodes it eratives (Flanders-Shortley): trouver p Pn de norme minimale sur [a, b], avec p(0) = 1 (on suppose 0 < a < b). Solution: 2x a b ba p(x) = . Tn ((a b)/(b a)) Tn

D emonstration directe: si q Pn etait meilleur que p, p(x) q (x) prendrait des valeurs de signes altern es aux n + 1 points de lalternant de p sur [a, b] p q devrait sannuler en au moins n points de (a, b) ET en 0. . .
3.8. Meilleure approximation dun polyn ome de degr e n dans Pn2 . Ne sobtient (g en eralement) pas en passant de n a ` n 1, puis a ` n 2! Le polyn ome de la forme xn + xn1 + , avec impos e, de 2 , sinon, cest beaucoup plus compliqu e moindre norme est de la forme constante Tn (x + ) si | | n tg 2n (premier probl` eme de Zolotarev, [Ach] appendice E, J. Todd, Applications of transformation theory: a legacy from Zolotarev (18471878), pp. 207245 in Approximation Theory and Spline Functions, S.P. Singh & al., eds., Reidel, 1984, Math. Intelligencer 10 (1988) 5053.). 3.9. Meilleure approximation de fonction rationnelle. cf. [Ach] avec f (x) = 1/(x a), a > 1, on trouve i i 4n+2 in 1 e in e f (x) p n (x) = + e e , (1 2 )2 1 ei ei o` u = a a2 1 < 1. Exercice. La meilleure approximation de degr e n de f (x) = (1 + a2 x2 )1 en erreur relative est linterpolant de f aux z eros de T2m , o` u m = n/2 + 1. Cf. R. Freund: On some approximation problems for complex polynomials, Constr. Approx. 4 (1988) 111-121, D.S.Lubinsky: Best approximation and interpolation of (1 + (ax)2 )1 and its transforms, J. Approx. 1 Cm T2m (x) , o` u Cm est tel que le num erateur soit divisible par Th. 125 (2003) 106-115. En eet, p(x) = 1 a 2 x2 f (x) p(x) le d enominateur, a bien un degr e = 2m 2 n, v erie = Cm T2m (x) qui pr esente un alternant f (x) de 2m + 1 n + 2 points dans [1, 1]. 3.10. Fonctions rationnelles de moindre et plus grande d eviation. Trouver r rationnelle, aussi petite que possible sur [, ] par rapport a ` ses valeurs sur (, ] [, ), cest-` a-dire qui minimise le max|x| |r(x)| rapport ( et , 0 < < donn es). Troisi` eme probl` eme de Zolotarev ([Ach], Todd, op. cit.). min|x| |r(x)| On trouve une equation di erentielle de la forme c r2 = 2 . 2 2 2 2 2 (E r )(r F ) (x )( 2 x2 )

Par un changement de variable, on obtient une repr esentation param etrique r(x) = (u), x = (u), o` u et ome de degr e 3 ou 4 sont des solutions d equations di erentielles de la forme Y = P (Y ), avec P polyn (fonctions elliptiques ). Applications: ltres, m ethodes it eratives (directions altern ees).

MATH2171 2005-06 2 Tchebyche

40

3.11. Propri et es extr emales des polyn omes de Tchebyche. On va examiner ici des enonc es assurant que le polyn ome de Tchebyche Tn maximise telle ou telle propri et e parmi tous les poyn omes de Pn de norme unit e. La propri et e en question sera dabord la valeur absolue dune forme sur Pn , et il sagira d evaluer la norme dune forme, aussi para t-il utile de rappeler l equivalence suivante: Proposition. Soit une forme (cest-` a-dire une application lin eaire vers R ou C) sur un espace vectoriel norm e V de dimension nie. Alors, si nest pas la forme nulle sur V , = max
f V f =0

|(f )| 1 1 = = , f min g min g1 g0

g V (g )=1 g0 V (g0 )=0

(14)

o` u g1 est un el ement particulier de V v eriant (g1 ) = 1.

(Si V est de dimension innie, il faut remplacer les max et min par des sup et inf).

En eet, |(f )|/ f = |(Cf )|/ Cf pour tout scalaire C = 0. On passe dune egalit ea ` lautre en prenant g = Cf avec C = 1/(f ). Tous les g possibles parcourent un espace ane, et on peut les repr esenter par g = g1 g0 , avec g0 V0 = V Ker(). La forme en 1/ min g1 g0 est evidemment un probl` eme de meilleure approximation dans lespace vectoriel V0 . On doit donc estimer min g1 g0 sur tous les g0 V0 , erreur de meilleure approximation de g1 dans V0 . Voici quelques-uns de ces enonc es: (1) Parmi tous les polyn omes r eels de Pn de norme e sur [1, 1], le polyn ome unit de Tchebyche Tn a le plus grand coecient de xn . n k En eet, soit f (x) = 0 ak (f )x , ici, (f ) = an (f ). On a g (x) = f (x)/an (f ) = n n x + , g1 (x) = x (par exemple), V0 = Pn1 . Donc, par la d enition (6) (p. 34) des polyn omes de Tchebyche, g = g1 g0 de norme minimale = En Tn , |an (f )|/ f = 1/En = an (Tn ) qui vaut, rappelons-le, 2n1 (si n 1). (2) Parmi tous les polyn omes r eels de Pn de norme e sur [1, 1], le polyn ome unit de Tchebyche Tn a le plus grand coecient de xk si k et n ont la m eme parit e; Tn1 a le plus grand coecient de xk si k et n sont de parit es di erentes.
Bien s ur, on a d ej` a trait e k = n au point pr ec edent; k = 0 est assez trivial; on ne d emontrera ici que le cas k = n 1: il faut montrer que g (x) = Tn1 (x)/an1 (Tn1 ) = xn1 + est le polyn ome de Pn de moindre n1 norme sur [ 1 , 1] parmi les polyn o mes ayant un coecient de x e gal a ` lunit e. Supposons que soit un tel polyn ome, cest-` a-dire (x) = an ( )xn + xn1 + an2 xn2 + de norme strictement inf erieure a ` celle de g , et examinons g aux n extrema xk = cos(k/(n 1)), k = 0, . . . , n 1 de g . En xk , g a le m eme signe (1)k que g (comme chaque fois que lon a compar e un polyn ome a ` un polyn ome de Tchebyche), donc g a au moins n 1 z eros z1 , . . . , zn1 dans (1, 1), avec xk < zk < xk1 , k = 1, . . . , n 1. g est un polyn ome de Pn sans coecient de xn1 . Si le n coecient de x etait lui-m eme nul, g ne serait que de degr e n 2 et ne pourrait admettre eme n 1 z eros, donc g est de degr e exact n, admet d ej` a n 1 z eros r eels, donc un n` z ero r eel zn . O` u se trouve zn ? La somme des z eros dun polyn ome de degr e n vaut loppos e du rapport du coecient de xn1 et de celui, non nul, de xn , ici, 0: 1 = xn = x0 xn1 < zn = z1 zn1 < x1 xn = x0 = 1. Tous les n z eros de g sont donc dans (1, 1), mais alors le signe de g (1) (1) vaut (1) n+1 n et non (1) , contradiction, ouf! Bel exemple de d emonstration ad hoc.

Le cas des coecients de Taylor en x = 1 est plus facile a ` etablir:

MATH2171 2005-06 2 Tchebyche

41

(3) Parmi tous les polyn omes r eels de Pn de norme e sur [1, 1], le polyn ome unit de Tchebyche Tn a les plus grands coecients de Taylor en x = 1. j En eet, soit f (x) = n eveloppement de Taylor autour de 1 dun j =0 bj (f )(x 1) le d el ement f Pn . Il faut montrer que g = Tn /bk (Tn ) est le polyn ome de Pn , ayant son coecient de Taylor bk x ea ` 1, de moindre norme. Supposons que Pn , avec bk ( ) = 1 ait une norme strictement plus petite que celle de g . On examine alors (air connu) la di erence g aux n + 1 extrema x = cos( /n), = 0, . . . , n de g , et on trouve, bien entendu, que g (x ) (x ) a le m eme signe (1) que g (x ). g a donc eme tous ses n z eros dans (1, 1). Appliquons k fois le th eor` eme de Rolle: la d eriv ee k ` (k ) (k ) g a tous ses n k z eros dans (1, 1), mais alors 0 = bk ( g ) = g (k) (1) (k) (1) k!

ne peut pas etre nul: contradiction. Au fait, les valeurs extremales de ces coecients sont b0 (Tn ) = 1, b1 (Tn ) = n2 , bk (Tn ) = 2k n2 (n2 1)(n2 4) (n2 (k 1)2 ) (2k )!

(d eriver k 1 fois (21) et porter x = 1). Ces coecients sont tr` es elev es quand n est grand. Comme tous les bk (Tn ) sont positifs, on obtient evaluant Tn (x) = n 1)n en x = 2, et k =0 bk (Tn )(x n leur somme en erieur a ` (2+ 3)n /(2(n+1)). Tn (2) > (2+ 3) /2, le plus grand des bk (Tn ) est donc sup Valeur en un point x e (1, 1): (4) Parmi tous les polyn omes r eels de Pn de norme e sur [1, 1], le polyn ome de unit Tchebyche Tn prend la plus grande valeur absolue en tout point r eel x e (1, 1). Montrons que g (x) = Tn (x)/Tn ( ) a la plus petite norme possible parmi tous les polyn omes qui prennent la valeur 1 en : sinon, si etait un tel polyn ome de Pn de norme strictement inf erieure a ` celle de g , g (xk ) (xk ) prendrait le m eme signe que g (xk ) = constante Tn (xk ) aux n + 1 extrema xk = cos(k/n), k = 0, . . . , n de Tn , donc g aurait n z eros dans (1, 1), mais ce polyn ome de Pn doit d ej` a sannuler en (1, 1). . . Ce raisonnement a d ej` a et e utilis e dans le 3.7, p. 39. Le polyn ome de Tchebyche est encore extr emal avec une valeur ponctuelle dune d eriv ee dordre quelconque: f r eel Pn , r eel (1, 1) |f (k) ( )|
(k ) |Tn ( )| f

k = 0, 1, . . . , n.

cf. [Riv2, 2.7]. Bien s ur, il ny a pas lieu de discuter des valeurs dans (1, 1), fatalement born ees par , mais on peut examiner les plus grandes valeurs prises par des d e riv e es dun polyn ome dans [1, 1]. Remarquons que lon a d ej` a rencontr e des d eriv ees en 0 et en 1 avec les coecients ak et bk . Mais il sagit maintenant de normes dop erateurs. (5) In egalit es de Bernstein et des Marko

MATH2171 2005-06 2 Tchebyche

42

(a) Si g est un polyn ome trigonom etrique de degr e n (cest-` a-dire une combinaison lin eaire de 1, sin , cos , sin 2, cos 2, . . . , sin n, cos n : g Tn ), dg d (in egalit e de Bernstein ). (b) f Pn = f Tn (1) f = n2 f (A.A. Marko, 1890). (k ) (c) f Pn = f (k) Tn (1) f n2 (n2 1)(n2 4) (n2 (k 1)2 ) = f , k = 1, 2, . . . , n (W.A. 1 3 5 (2k 1) Marko). (d) Les in egalit es pr ec edentes restent valables si on remplace f par max0 j n |f (cos(j/n))| (Dun & Schaeer, 1941).
(i) Preuve de Bernstein [Mha, III.3 B]: (A) in egalit e de Stechkin: g Tn dg/d

n g

(n/2)g (/n).

(B) Lemme de M. Riesz (1915): si h Tn est extr emal en 0 , |h()| h cos(n[ 0 ]) dans | 0 | < /(2n). Preuve du lemme: sinon, la fonction sign h(0 )h() cos(n[ 0 ]) h , qui a d ej` a un z ero double en 0 , aurait au moins un z ero de plus dans lintervalle de longueur /n centr e en 0 , et doit encore sannuler dans les 2n 1 autres intervalles de longueur /n constituant une p eriode compl` ete (h est partout inf erieur a ` sa norme). Cela fait 2n + 1 z eros sur une p eriode, impossible (propri et e de Haar p. 31). (C) Preuve de Stechkin: soit h = g . Donc, g ne change pas de signe dans (0 /(2n), 0 + /(2n), et lint egrale de g sur cet intervalle, qui est une di erence de deux valeurs de g , donc g (/n), a une valeur absolue sup erieure a ` lint egrale de g fois cos(n[ 0 ]), ce qui est bien (2/n) g . (D) Enn, u, g (u) 2 g . (ii) Preuve de Marko. Pour une d emonstration moderne compl` ete de lin egalit e de W.A. Marko, voir [Riv2] 2.7. Voici une fa con darriver a ` prouver lin egalit e de A.A. Marko et dautres relations int eressantes (J. Todd, Introduction to the Constructive Theory of Functions, Birkh auser (ISNM 1), 1963, chap. 4): (A) f Pn1 f n max1 x 1 (1 x2 )1/2 |f (x)|. D emonstration par interpolation aux z eros de Tn . (B) f Pn = |f (x)| n f /(1 x2 )1/2 , 1 < x < 1. Cons equence de lin egalit e de Bernstein avec g () = f (cos ). (C) On etablit enn lin egalit e de A.A. Marko en appliquant le point ci-dessus a `f : f n max(1 x2 )1/2 |f (x)| n n f . Cf. aussi [DeVLor] pp. 97-104

(e) In egalit e de Remez:

|f (x)|

f Pn , si (f ) est la somme des longueurs des intervalles o` u 4 1 . ([Fr], pp. 119-121). dans [1, 1], alors f Tn (f )

MATH2171 2005-06 2 Tchebyche 3.12. Autres propri et es des Tn .

43

(1) Tn est une fonction paire ou impaire selon la parit e de n. n En eet, f (x) = x est une fonction paire ou impaire sur [1, 1] selon la parit e de n. Dapr` es 2.1 p. 30, il en est donc de m eme pour p n1 , e n = f p n1 , donc pour Tn = e n /En dapr` es la d enition (6). V erication directe dapr` es (10): Tn (x) = cos[n arccos(x)] = cos[n( + arccos x)] = (1)n cos[n arccos x] = (1)n Tn (x). (2) Tm ( Tn (x) ) = Tmn (x). En eet, les deux membres valent cos mn , dapr` es (11).
Probl` eme. Montrez que fn de degr e exact n, n = 0, 1, . . . , fn fm = fm fn , m, n = 0, 1, . . . fn (x) = c + an1 (x c)n ou fn (x) = c + aTn ((x c)/a), n = 0, 1, . . . En eet, soit f0 = tous les fn () = . Si est la deuxi` eme racine de f2 (x) = , on a f2 (x) = + (x )(x ) = ( )2 /4 + (x c)2 , o` u c = ( + )/2. fn f2 = f2 fn et fn de degr e exact n fn c est de parit e n en x c. f3 (x) = x + 2 (x )(x c)(x ) et
n/2

on trouve ( ) = 2 ou 4. Il reste alors n/2 inconnues dans fn (x) = c +

avec 0 = n1 . On trouve alors de proche en proche 1 , 2 , . . . en egalant les coecients de (x c)2n2 , (x c)2n4 , . . . dans fn (f2 (x)) f2 (fn (x)). Il ny a donc que deux familles possibles, que lon identie alors ais ement (!).

k (x c)n2k ,

(3) On a lexpression alg ebrique explicite (x + x2 1)n + (x x2 1)n Tn (x) = . (15) 2 On etablit cette formule au moyen de la notion de solution de r ecurrence : erie une relation de r ecurrence (ou simpleD enition. Une suite u = {un }n=0 v ment r ecurrence, ou encore equation aux di erences) dordre p si ses el ements v erient des equations de la forme suivante: Fn (un , un+1 , . . . , un+p ) = 0 , n = 0, 1, . . . Lexpression equation aux di erences se justie par la possibilit e que lon a toujours de r e ecrire une r ecurrence comme une relation entre un , un ,. . . ,p un , o` u 2 p p1 p1 un := un+1 un , un := un+1 un ,. . . , un := un+1 un . Comme pour les equations di erentielles, la solution dune r ecurrence dordre p est normalement d etermin ee par p conditions, par exemple par la d etermination des p conditions initiales u0 , u1 , . . . , up1 . Proposition. Lensemble des solutions de la r ecurrence lin eaire homog` ene dordre p un+p = an un+p1 + bn un+p2 + + zn un , n = 0, 1, . . . (16) est un espace vectoriel de dimension p. En eet, on voit que toute combinaison lin eaire {un + vn } 0 de deux solutions (k ) de (16) est encore une solution, et que les solutions u , k = 1, . . . , p d etermin ees par: (k ) (k ) (k ) ` eme [u0 , u1 , . . . , up1 ] = k ligne de la matrice unit e dordre p constituent une base

En particulier, les polyn omes de Tchebyche sur [0, 1] sont Tn (x) := Tn (2x 1) = T2n ( x).

MATH2171 2005-06 2 Tchebyche

44

Une base remarquable: soit 1 et 2 les deux racines de 2 a b = 0. La r ecurrence dordre 2 a ` coecients constants un+2 = aun+1 + bun admet la base n n n {{1 }, {2 }} si 1 = 2 ; {{n 1 }, {n1 }} si 1 = 2 . Int eressantes consid erations sur la suite de Fibonacci dans le cours de X. Hubaut http://bib3.ulb.ac.be/coursmath/fibo.html

de lensemble des solutions. Toute solution est u donn ee par u = u0 u(1) + u1 u(2) + (p) + up1 u Changement de base: les p solutions v (1) , . . . , v (p) forment encore une base si le (j ) d eterminant des vi , i = 0, 1, . . . , p 1, j = 1, . . . , p est non nul.

D emontrons maintenant (15): on a a = 2x et b = 1. La r ecurrence (12) admet emes comme solutions des combinaisons des puissances n` de 1 et 2 , o` u 1 et 2 sont 2 les deux racines (normalement distinctes) de 2x + 1 = 0. On trouve bien n eaire appropri ee de n ` partir des = x x2 1. On xe la combinaison lin 1 et 2 a conditions initiales T0 (x) = 1 et T1 (x) = x. Voir aussi Hey, heres a nicer write up of the non-recurrence relation: http://www2.edc.org/ http://www.maths.lancs.ac.uk/gilbert/m245/node7.html
Obtention directe de (15), extensions de Galois. On peut reprendre (9) sous la forme: trouver yn de degr e n et xn Pn1 tels que
2 yn p x2 n = constante,

(17)

o` u p est le polyn ome p(x) = x2 1. et es (9) implique bien yn = Tn et xn = Tn /n dans (17), mais on peut retrouver toutes les propri de Tn sans utiliser le fait que xn est li ea ` la d eriv ee de yn . Comme Tchebyche lui-m eme10 [Tche], on consid` ere (ce que lon appelle maintenant) lextension de Galois G = {r + s p, r, s C{x}} du corps des fonctions rationnelles. G est bien un champ (= corps commutatif) : laddition est triviale; multiplication: si r1 , r2 , s1 et s2 sont des fonctions rationnelles, (r1 + s1 p)(r2 + s2 p) = rs p 1 r1 r2 + s1 s2 p + (r1 s2 + r2 s1 ) p; inversion: ur . Un entier de G est r + s p o` = 2 r+s p r s2 p et s sont des polyn omes. Une unit e de G est un entier dont linverse est encore un entier, donc, tel que r2 s2 p = constante, nous y voila. 2 2 Avec p(x) = x2 es, puisquils sont inverses 1, x + n x 1 et x x 1 sont des unit lun de lautre. (x x2 1) sont aussi des unit es, donc de la forme Yn (x) Zn (x) x2 1 o` u Yn et Zn sont omes. A une constante multiplicative pr` es, il ny a pas dautre unit e des polyn 2 yn (x) + xn (x) x2 1 avec yn de degr e n: de yn px2 = constante, on tire quune d e termination n 2 de la racine carr e e de p ( x ) = x 1 assure y ( x ) x ( x) x2 1 const./xn quand x . Soit n n 2 z = x + x 1 avec z quand x . De x = (z + z 1 )/2, yn (x) xn (x) x2 1 = z + z 1 z + z 1 z z 1 xn yn se pr esente comme une combinaison de puissances z n , 2 2 2 z n+1 ,. . . , z n1 , z n . Mais le comportement quand x , donc quand z impose que seul le mon ome en z n est pr esent. n On d eduit alors (15) de yn (x) xn (x) x2 1 = Tn (x) Un1 (x) x2 1 = x x2 1 . Quand p est de degr e > 2, on ne trouve plus dunit e yn xn p non triviale, mais on a encore 2 des polyn omes tels que yn px2 e g , o` u g (genre ) est le plus petit entier tel que n soit de degr 2g + 2 degr e de p (th eorie de Abel et Jacobi). Les fonctions rationnelles y n /xn sont alors de tr` es int eressantes approximations rationnelles de p.

10

Grand merci a ` M. J. Meinguet davoir fourni cette information.

MATH2171 2005-06 2 Tchebyche (4) Fonction g en eratrice.

45

tn Tn (x) =
n=0

1 tx , 1 2tx + t2

|t| < 1, 1

1.

(18)

Comme 1 x 1, |Tn (x)| 1, la s erie du membre de gauche est absolument convergente. Multiplions-l` a par 1 2tx + t2 et r earrangeons:

(1 2tx + t )

t Tn (x) =
n=0 n=0

t Tn (x) 2tx tn Tn (x) 2x

t Tn (x) + t
n=0

2 n=0

tn Tn (x) tn+2 Tn (x)

=
n=0

tn+1 Tn (x) +
n=0 n=0

= 1 tx + = 1 tx.

n=2

tn [Tn (x) 2xTn1 (x) + Tn2 (x)]

etc.: 1 xt = (1 2xt + t2 )[1 + tT1 (x) + + tn Tn (x)] + tn+1 Tn+1 (x) tn+2 Tn (x). La s erie (18) converge dans lellipse |x + x2 1| < 1/|t|: prendre complexe, la s erie est une n n combinaison des deux s eries g eom etriques k 0 t exp(in ), qui convergent k 0 t exp(in ) et donc tant que |ei | et |ei | < 1/|t|, donc tant que |i | < ln(1/|t|).

Voir aussi division de polyn omes selon les puissances croissantes: dividende = diviseur quotient + reste, pourvu que lordre (plus petite puissance gurant dans le polyn ome) du reste soit strictement sup erieur a ` lordre du diviseur. Ici, on a, selon les puissances croissantes de t: 1 xt = (1 2xt + t2 ) 1 + xt t2 2 2 2 xt t = (1 2xt + t ) xt + (2x 1)t2 xt3 2 2 3 2 2 2 3 (2x 1)t xt = (1 2xt + t ) (2x 1)t + (4x 3x)t3 (2x2 1)t4

Cas particulier.

11

n=0

xn Tn (x) 1, 1 < x < 1.

Que se passe-t-il si on ne garde quun nombre ni de termes (plus de probl` eme de convergence!)? On a
N

(1 2tx + t )

n=0

tn Tn (x) = 1 tx tN +1 TN +1 (x) + tN +2 TN (x).

Donc valable m eme si |t| = 1. Prenons t = exp(i), divisons par tN +2 , et soustrayons de la m eme expression en 1/t:
N

(t1 2x + t)

n=0

(tN +1n tnN 1 )Tn (x) = tN +2 t2N x(tN +1 t1N ) + (t t1 )TN +1 (x),
N

enn, avec y = cos , UN (y ) + 2

n=1
11

UN n (y )Tn (x) =

TN +1 (x) TN +1 (y ) . xy

(19)

Trouv e par un etudiant, printemps 1999.

MATH2171 2005-06 2 Tchebyche (5) Formule de Christoel-Darboux. Tn+1 (x)Tn (y ) Tn (x)Tn+1 (y ) Tk (x)Tk (y ). =2 xy k =0
n

46

(20)

En eet, 1. Vrai si n = 0; 2. n 1 n: on applique la relation de r ecurrence (12) pour se ramener a ` lancien num erateur et on divise par x y .
x=

Tn+1 (x)Tn (y )Tn (x)Tn+1 (y ) = [2xTn (x)Tn1 (x)]Tn (y )Tn (x)[2yTn (y )Tn1 (y )] = 2(xy )Tn (x)Tn (y )+
eme (6) Solutions d e quations du 3` degr e par polyn omes de Tchebyche. On porte

b 2 b2 3ac +t dans ax3 + bx2 + cx + d = 0 pour obtenir 4t3 3t = T3 (t) = A, o` uA= 3a 3a 3 2 2 3/2 [2b + 9abc 27a d]/[2(b 3ac) ]. Les racines sont donc t = cos([arccos A + 2k ]/3), k = 0, 1, 2. Formule alg ebrique: t = les 3 d eterminations de T1/3 (A), donc, dapr` es (15), t = (u + 1/u)/2, o` uu est une des trois racines cubiques complexes de A + A2 1.

3.13. Equation di erentielle lin eaire. Th eor` eme. y = Tn (x) est une solution de En eet, on peut d eriver (9): (1 x2 )y xy + n2 y = 0. (21)

et diviser par y (aux z eros de y , (21) est etablie par continuit e de y , y et y ). d2 y On peut aussi partir de(11) : y = cos n 2 = n2 y, d 2 et utiliser x = cos : d/d = d/d arccos x = 1 x d/dx, d2 y d d 2 = y = 1 x 1 x2 y , d 2 d d do` u une forme int eressante (formellement autoadjointe ) 1 x2 1 x2 y = n2 y. (22)

2xy 2 + 2(1 x2 )y y = 2n2 yy

(23)

equivalente a ` (21).

3.14. Proposition. La solution g en erale de la r ecurrence (12) aussi bien que de l equation di erentielle (21) est (24) A Tn (x) + B 1 x2 Un1 (x), o` u Un1 est le polyn ome de Tchebyche de deuxi` eme esp` ece de degr e n 1, d eni par sin n Un1 (x) = , (x = cos ). (25) sin Lorsque (24) d esigne la solution g en erale de la r ecurrence (12), A et B peuvent d ependre de x, mais pas de n; si (24) d esigne la solution g en erale de l equation di erentielle (21), A et B peuvent d ependre de n, mais pas de x. En eet, on peut reprendre la d emonstration de (12) et constater que toute expression C cos(n + ) convient, o` u C et peuvent d ependre de , donc de x = cos , mais pas de n.

MATH2171 2005-06 2 Tchebyche

47

On retrouve ainsi cos n avec = 0, mais aussi sin n avec = /2, ou encore sin(n 1) avec = ( + /2). On obtient donc bien la d ependance annonc ee en n. On voit bien que ependantes de (21) mise sous la forme (22) sont cos n = deux solutions ind Tn (x) et sin n = 1 x2 Un1 (x). 3.15. Polyn omes de Tchebyche et probl` emes de Sturm-Liouville. L equation (23) est bien de la forme de Sturm-Liouville (p(x)y (x)) + q (x)y (x) = w (x)y (x) , a < x < b, (26)

avec p(x) > 0 et w (x) > 0 sur (a, b). Un probl` eme de Sturm-Liouville r egulier consiste a ` trouver des solutions non nulles (fonctions propres ) eriant des conditions aux de (26) v limites homog` enes, si p(a) et p(b) = 0. Ici, p(x) = 1 x2 , on a un probl` eme singulier : p(a) = p(b) = 0. Les fonctions propres sont alors simplement d enies par des conditions de r egularit e aux limites: valeurs et d e riv e es nies quand x a et b. 2 2 en erale de (26) est Ici, avec p(x) = 1 x , q (x) = 0 et w (x) = 1/ 1 x , la solution g une combinaison de cos et sin , o` u = 2 (comme dhabitude, faire x = cos pour obtenir d2 y/d 2 = 2 y ). Les d eriv ees en x sont les d eriv ees en divis ees par sin = 1 x2 , et restent donc nies en 1 si les d eriv ees en sont nulles en = 0 et . Ceci impose sin = 0 Z, donc, = n2 , n = 0, 1, . . . et la fonction propre correspondante = cos n = Tn (x).
Pour traiter convenablement les probl` emes de Sturm-Liouville, il faut les d enir sur des espaces de Hilbert (espaces de Sobolev ).

D eriv ees dordre quelconque: en d erivant (21) p fois, on obtient (1 x2 )

p dp+2 Tn (x) dp+1 Tn (x) 2 2 d Tn (x) (2 p + 1) x + ( n p ) = 0, dxp+2 dxp+1 dxp

(27)

eme (par r ecurrence [sur p], ou en utilisant une formule de Leibniz de la d eriv ee p` dun produit), ou encore

d dx

(1 x2 )p+1/2

dp+1 Tn (x) dxp+1

+ (n2 p2 )(1 x2 )p1/2

dp Tn (x) = 0. dxp

(28)

3.16. Coecients, d eriv ees et primitives. j (1) n(n j 1)!2n12j n2j (1) Tn (x) = x . En eet, nous savons d ej` a que le coj !( n 2 j )! j 0 ecient de x est 2n1 , et que les coecients non nuls sont ceux de m eme parit e que n. Ensuite, par (27) avec p = n 2j , le coecient de xn2j est 1/(n 2j )! fois dn2j Tn (0) 1 dn2j +2 Tn (0) = dxn2j n2 (n 2j )2 dxn2j +2 dn2j +2 Tn (0) 1 = 4j (n j ) dxn2j +2 (1)j 2n1 n! = j 4 j (j 1) 1 (n j )(n j + 1) (n 1)
2j n n

MATH2171 2005-06 2 Tchebyche

48

(n 2j + 2)(n 2j Le rapport des valeurs absolues des coecients de xn2j et de xn2j +2 est 4j (n j ) o` u = j/(n 2j ). Ce rapport est donc > 1 tant que < ( 2 1)/2. A ce moment, cest-` a-dire quand j n(2 2)/4, on est en pr esence du plus grand coecient, qui n est de lordre de ( 2 + 1) (par Stirling, voir p. 178) (2) Plus int eressante est lexpression des puissances de x dans la base des polyn omes de Tchebyche, base que lon va shabituer a ` utiliser dans la suite: n k= 2 1 n Tn2k (x) xn = n1 , 2 k 1 + n2k,0 k =0 = partie enti` ere par d efaut), n n! est le nombre de combinaisons de n objects pris k a ` k (coecient o` u = k !(n k )! k binomial). k =n n i(n2k ) En eet, x = cos = (ei + ei )/2, xn = 2n k , =0 k e Tn = nUn1 = 2n Tn1 + Tn3 + + T1 ou Tn (x) = T0 2 . (

(3)

(29)

dTn (x) d cos n = = dx d cos sin n =n = nUn1 (x) sin ein ein = n i e ei = n(ei(n1) + ei(n3) + ei(n3) + ei(n1) ) = 2n(Tn1 (x) + Tn3 (x) + )

(4)

o` u on termine sur ei + ei = 2T1 (x) si n est pair, et sur ei0 = 1 = T0 si n est impair. Remarquons que lon a aussi montr e Un (x) Un2 (x) = 2Tn (x). Tn (x)dx = Tn+1 (x) Tn1 (x) +C. 2(n + 1) 2(n 1)
si n>1

(30)

Tn (x)dx = =

cos n sin d

(5)

1 [sin(n + 1) sin(n 1) ]d 2 cos(n + 1) cos(n 1) = ( si n = 1) + C 2(n + 1) 2(n 1) Tn+1 (x) Tn1 (x) Tn (x) dx = +C 1 x2 2n 1 x2 (31)

MATH2171 2005-06 2 Tchebyche T (x) n dx = 1 x2 sin n +C n sin n sin cos(n + 1) cos(n 1) = +C = +C n sin 2n sin cos n d =

49

(n > 0)

(6) Exercice: primitive de Tn (x) log(x c). La primitive est de la forme An (x) log(x c) Bn (x), o` u An est une primitive de Tn et Bn est un polyn ome. Choisissons pour An la primitive de Tn qui sannule en x = c, soit, par (30), Tn+1 (x) Tn+1 (c) Tn1 (x) Tn1 (c) . Bn (x) est alors une primitive de An (x)/(x c). An (x) = 2(n + 1) 2(n 1) n n2 Un (c) Un2 (c) An (x) Unk (c) Un2k (c) Dapr` es (19), = + Tk (x) Tk (x). xc 2(n + 1) n+1 2(n 1) n1
k=1 k=1

Un (c) + Donc, Bn (x) = x 2(n + 1)

k=1

Un2 (c) Unk (c) Ak (x) x n+1 2(n 1)

n2 k=1

Un2k (c) Ak (x). n1

Tn (x) 3.17. Primitives it er ees de et formule de Rodrigues. 1 x2 x x Tn (t) dt (n > 0). On a donc vu que Vn,1 Reprenons (31) et appelons Vn,1 (x) := Vn,0 (t) dt := 1 t2 1 1 Vn+1,0 Vn1,0 est une combinaison des V.,0 : Vn,1 = , et que Vn,1 (x) = sin(n)/n. Vn,1 est une fonction 2n 2n continue, born ee par 1/n sur [1, 1], nulle en 1. Les int egrales successives
x

Vn,p (x) :=
1

Vn,p1 (t) dt,

n+p1

p = 1, 2, . . . n

(32) 1,

sont donc encore des combinaisons des V . ,0 , tr` es exactement de Vnp,0 , . . . , Vn+p,0 , ou encore, si p de Vnp+1,1 , . . . , Vn+p1,1 , soit Vn,p (x) =
(p) Sn = n+p1 k=np+1 (p) (p) k=np+1 .

k,n sin(k), On sint eresse particuli` erement aux sommes On trouve Proposition. Les int egrales successives

|k,n |, bornes sup erieures de Vn,p

(32) admettent les bornes 1 , (n p + 1)(n p + 3) (n + p 3)(n + p 1) On a aussi la forme int eressante Proposition. Les int egrales successives (32) sont donn ees par |Vn,p (x)| Vn,p (x) = 1 x 1, p = 1, 2, . . . n p. (33)

En eet, on passe de p a ` p + 1 par (28). En p = n, (1 x2 )1/2 Tn (x) = une formule de Rodrigues12 (cf. p. 100).

p (1)p 2 p1/2 d Tn (x) (1 x ) , n2 (n2 1) (n2 (p 1)2 ) dxp

p = 0, 1, . . . , n.

(34)

(1)n 2n n! dn (1 x2 )n1/2 , (2n)! dxn

(35)

La prmi` ere parution de (35)est au bas de la p. 4 de C.G.J. Jacobi, Formula transformationis integralium denitorum, J. reine angew. Math. 15 (1836) 138 (remarque aimablement communiqu ee par A. Ronveaux, nov. 2003).

12

MATH2171 2005-06 2 Tchebyche

3.18. Orthogonalit e et base duale de PN .

50

La v erication est imm ediate, en passant comme dhabitude par les fonctions trigonom etriques: 1 [cos((m + n) ) + cos((m n) )] d, et cos(m ) cos(n ) d = nous devons evaluer 2 0 0 sin(p ) sin 0 = 0 si p est un entier non nul. cos(p ) d = si p = 0; = on utilise p 0 On peut aussi utiliser l 3.18.2. orthogonalit e de deux fonctions propres relatives a ` deux valeurs propres distinctes du probl` eme de Sturm-Liouville. (26): si yn est une solution de (p(x)yn (x)) + q (x)yn (x) = n w (x)yn (x) , a < x < b,

3.18.1. Orthogonalit e des polyn omes de Tchebyche. si m = n = 0, 1 dx si m = n = 0 Tn (x) Tm (x) = 2 1 x2 1 0 si m = n

(36)

avec p(x)yn (x) = 0 en x = a et x = b, multiplions par ym (x) et int egrons par parties: [p(x)yn (x)ym (x)]a
b b a b b

p(x)yn (x)ym (x) dx+

b

q (x)yn (x)ym (x) dx = n

a a

w (x)yn (x)ym (x) dx,

en remarquant que la contribution des termes aux limites est nulle. Reprenons en intervertissant m et n, et soustrayons. Il vient
a

w (x)yn (x)ym (x) dx = 0

si m = n.

3.18.3. Base duale de PN . Toute forme sur un espace vectoriel V de dimension nie est enti` erement d ecrite par son action sur tous les el ements dune base {b0 , b1 , . . . , bN } de V . En eet, (f ) pour f V sobtient a ` partir de la repr esentation de f dans la base choisie: N N

f=
0

ck bk (f ) =

ck (bk ).
0

Des formes 0 , 1 , . . . sont donc enti` erement d ecrites par les vecteurs [0 (b0 ), . . . , 0 (bN )], N +1 N +1 [1 (b0 ), . . . , 1 (bN )],. . . de R ou C . Le dual V de V est donc egalement un espace vectoriel de m eme dimension que celle de V . Les coecients ck sont eux-m emes les r esultats de laction de formes de V sur f ! Ces formes c0 , . . . , cN constituent ce que lon appelle la base duale de V relativement a ` la base {b0 , . . . , bN } de V . On a cm (bn ) = m,n , on dit que {cm }N est la base de V biorthogonale a ` 0 N la base {bn }0 de V . La propri et e dorthogonalit e (36) des polyn omes de Tchebyche permet dexpliciter la base de PN duale relativement a ` la base des polyn omes de Tchebyche de PN :

MATH2171 2005-06 2 Tchebyche

Proposition. La base de PN duale relativement a ` la base

51 T0 , T1 , . . . , T N 2

de PN est

ck : pour k = 0, . . . , N .

2 ck (f ) =

dx 2 f (x) Tk (x) = 2 1x 1

f (cos ) cos(k ) d ,
0

(37)

dx T0 Tm (x) 1 x2 1 2 1 dx 2 Tn (x) Tm (x) = m,n , = m,0 , par (36) avec n = 0; 2). avec bn = Tn , n > 0, cm (bn ) = 1 1 x2 par (36) avec n > 0. Lavantage davoir pris T0 /2 au lieu de T0 dans la base de PN est davoir une formule uniforme dans (37). On a donc En eet, v erions que cm (bn ) = m,n : 1.) avec b0 = T0 /2, on a cm (b0 ) = 2 f PN , c0 (f ) T0 + c1 (f )T1 + + cN (f )TN := f= 2
N

ck (f )Tk ,
k =0

(38)

avec ck (f ) donn e par (37); la notation signiant que la somme seectue en prenant la moiti e du premier terme indiqu e, les autres etant inchang es. On a dailleurs encore un autre eclairage tr` es int eressant de (38) comme somme de Fourier : f PN , c0 (f ) f (cos ) = + c1 (f ) cos + + cN (f ) cos(N ) = 2
N

j =0

1 cj (f ) cos(j ) = 2

c|j | eij (39)

j =N

3.18.4. Orthogonalit e discr` ete des Tn . . Comme on a vu en p. 20 que toute forme sur un N espace de dimension nie peut sexprimer comme (f ) = etre de 0 m f (xm ), il doit en m eme pour (37). On dispose de deux formules particuli` erement utiles: Proposition. Si N > 0, on a les deux formules discr` etes valables pour f PN 2 (Trap` ezes:) ck (f ) = N
N

f cos
m=0

m N

cos

km N

(40)

d esignant une somme o` u le premier et le dernier terme sont divis es par 2; 2 f N + 1 m=0
N

(Rectangles:) ck (f ) =

cos

(m + 1/2) N +1

cos

k (m + 1/2) N +1

(41)

Les d enominations trap` ezes et rectangles viennent de linterpr etation de (40) et (41) comme somme daires de trap` ezes ou de rectangles equivalentes a ` lint egrale (37) donnant laire sous le graphe de la fonction 2f (cos ) cos(k )/ :

MATH2171 2005-06 2 Tchebyche

52

(2/ )f (cos ) cos(k )

(2/ )f (cos ) cos(k )

0 N 0 N +1

Ces formules dint egration, apparemment tr` es rudimentaires, sont donc exactes pour f PN ! D emonstration de (40) et (41). Entrons (39) dans (40) et (41): nous devons v erier
m2

ck (f ) =
m=m1

1 2

c|j | eijm cos(km ),

j =N

o` u les m et les m d ependent de la formule discr` ete, il nous sut de savoir que les m sont en progression arithm etique. Par parit e du cosinus, on peut dailleurs consid erer que lon a m = 1/N, m1 = N, m2 = N 1 dans (40); m = 1/(N + 1), m1 = N 1, m2 = N dans (41). La double somme se r earrange en 1 2
N m2

c|j |
j =N m=m1

m eijm cos(km ) =

1 4

m2

c|j |
j =N m=m1

m (ei(j +k)m + ei(j k)m ) )

La somme int erieure est une progression g eom etrique de raison exp(i(j k )), o` u est la raison de la progression arithm etique des m (/N ou /(N + 1)). Cette raison vaut lunit e quand j = k , la somme int erieure vaut alors m fois le nombre de termes = 2; si j = k , la progression g eom etrique vaut une expression de num erateur raison1+nombre de termes 1, ce qui vaut 0 car la raison elev ee a ` une puissance egale au nombre de termes +1 donne exp(2i) = 1. Si on prend f = Tn , on a dailleurs des formules dorthogonalit e discr` ete dont voici le d etail:
N = N 2 0 si p + q et p q sont des multiples de 2N, si un seul des deux nombres p + q ou p q (42)

Tp cos
m=0

m N

Tq cos

m N

est multiples de 2N dans les autres cas

MATH2171 2005-06 2 Tchebyche

N N

53

N 1 m=0

Tp cos

(m + 1/2) N

Tq

(m + 1/2) N

si p + q et p q sont des multiples de 4N , si p + q et p q sont des multiples impairs de 2N, si un seul des deux nombres p + q ou p q est multiple de 2N dans les autres cas (43)

N (1)(pq)/(2N ) 2 0

4. Bonne approximation; s eries de polyn omes de Tchebyche, relation avec s eries de Fourier. On a vu appara tre les polyn omes de Tchebyche en r esolvant le probl` eme tr` es particulier de la meilleure approximation dun polyn ome par un polyn ome de degr e imm ediatement inf erieur. On va d ecrire maintenant une mani` ere dutiliser cette technique particuli` ere pour construire une approximation polynomiale raisonnable (bonne approximation ) dune fonction continue arbitraire. 4.1. Cascade de meilleures approximations et d eveloppements dans la base des polyn omes de Tchebyche. Partons dun polyn ome p de degr e N . Nous savons construire la meilleure approximation de degr e N 1 de p PN : on lobtient en soustrayant de p un multiple scalaire appropri e de TN de fa con a ` aboutir a ` un degr e < N . Appelons MN lop erateur PN PN 1 qui r ealise aN (p) TN , o` u ak (p) cette extraction de meilleure approximation: p PN , MN (p) = p aN (TN ) est, rappelons-le, le coecient de xk de p. Le multiplicateur de TN utilis e dans la construction de MN (p) est evidemment cN (p), le coecient de TN dans le d eveloppement de p dans la base des polyn omes de Tchebyche (38). Appliquons maintenant MN 1 a ` MN (p) PN 1 : MN 1 MN (p) = MN 1 (p cN (p)TN ) = p cN (p)TN cN 1 (p)TN 1 . MN 1 MN (p) nest normalement pas la meilleure approximation de p dans PN 2 , mais comme MN 1 MN (p) di` ere de p dune combinaison de deux polyn omes de Tchebyche de degr es elev es, on peut penser que la fonction derreur nest pas trop eloign ee dune fonction equioscillante. En consid erant des d eations successives Mk Mk+1 MN (p), on voit appara tre le d eveloppement de p dans la base des polyn omes de Tchebyche:
N n N

Mn+1 Mn+2 MN (p) = p

ck (p)Tk =
k =n+1 k =0

ck (p)Tk si p =
k =0

ck (p)Tk .

Donc: la succession Sn (p) := Mn+1 Mn+2 MN (p) de meilleures approximations (( (PN PN 1 ) ) Pn+1 ) Pn est ce quon appelle ici la bonne approximation Sn (p) de degr e n de p PN . Elle consiste exactement en la somme des termes en T0 , T1 , . . . , Tn du d eveloppement de p dans la base {T0 , T1 , . . . , TN } de PN .

MATH2171 2005-06 2 Tchebyche

54

Il faudra encore d enir ce que cest une bonne approximation dune fonction continue f , donc ce que devrait etre ck (f ). Constatons en tout cas que (39) est une somme partielle de Fourier de la fonction p eriodique F : F ( ) := f (cos ):
N

F ( ) =
j =0

cj (f ) cos(j ) =

1 2

c|j | (f )eij
j =N

4.2. S erie de Fourier dune fonction continue p eriodique. Il existe une th eorie tr` es riche13 du d eveloppement en s erie de Fourier dune fonction p eriodique sur R. Soit F p eriodique de p eriode 2 : F (x + 2 ) = F (x), x R. Il est question d etablir quand la suite des sommes partielles de Fourier Sn (F )( ) := A0 (F ) + 2
n

[Ak (F ) cos(k ) + Bk (F ) sin(k )] =

k =1

1 2

Ck (F )eik
n

converge vers F , o` u Ck (F ) := 1

F ()eik d, k Z.

Avec cette d enition, Ck (F ) co ncide avec le coecient de Tchebyche ck (f ) de (37) si F ( ) = f (cos( ): 1 1 2 f (cos ) cos(k ) d = F ( ) cos(k ) d = F ( ) eik d = Ck (F ) ck (f ) = 0

car, F etant ici une fonction paire (en ),

F ( ) sin(k ) d = 0.

Nos sommes de Tchebyche (38) et (39) sont donc bien des sommes de Fourier de F . Par largumentation d evelopp ee dans le 4.1, nous pouvons soup conner que cette somme Sn (f ) nest pas eloign ee de la meilleure approximation de f dans Pn , ou encore que Sn (F ) approche bien la fonction p eriodique F . Pour plus de rigueur, et aussi an de pouvoir quantier lerreur f Sn (f ) = F Sn (F ), nous devons dabord etablir des conditions de convergence de la s erie de Fourier de F. Le th eor` eme le plus utile en cette mati` ere est Th eor` eme de Dirichlet. Les sommes partielles de Fourier dune fonction continue p eriodique a ` variation born ee sur une p eriode convergent uniform ement vers la fonction. Voir R. Godement, Analyse math ematique II, Springer, 1998, http://www.pourlascience.com/numeros/pls-254/livres.htm |F (xj +1 ) F (xj )| < . Une fonction F est a ` variation born ee sur lintervalle I si V = sup
xj I j

La fonction F ( ) = sin(1/ ) est continue, mais de variation non born ee sur un intervalle contenant 0. Une fonction croissante born ee est a ` variation born ee; toute fonction r eelle a ` variation born ee sur un intervalle est la di erence de deux fonctions croissantes.
Le caract` ere a ` variation born ee est m eme ici plus important que le caract` ere continu, puisquune fonction p eriodique a ` variation born ee, eventuellement discontinue, est encore la limite ponctuelle de ses somme de Fourier (th` eor` eme de Jordan).
13M.

Willem, Analyse harmonique r eelle, Hermann, Paris, 1995.

MATH2171 2005-06 2 Tchebyche

55

N.B. Une fonction C 1 , ou m eme seulement Lipschitzienne, sur I est forc ement a ` variation |F (xj +1 ) F (xj )| const. longueur de I . born ee: V = sup
xj I j

Sans d emontrer compl` etement ici le th eor` eme de Dirichlet, voyons avec R. Godement (pp. 282293) quelques enonc es voisins: Lemme de Riemann-Lebesgue. Les coecients de Fourier dune fonction p eriodique int egrable tendent vers 0. Sans d emontrer ce lemme dans toute sa g en eralit e, nous voyons d ej` a quil vaut pour la classe plus restreinte des fonctions de carr e int egrable. Par lin egalit e de Bessel (chap. 3, 7.1, 2 p. 127), |Ck (G)|2 |G( )|2 d Ck (G) 0, k . D etaillons maintenant la somme de Fourier de F : n 1 Ck (F )eik Sn (F )( ) = 2 n 1 = 2 1 = 2
n

F ()eik d eik
n n

F ()
n

eik()

1 ei(n+1)() ein() = F () d 2 ei() 1 1 F ( + ) F ( ) i(n+1) Sn (F )( ) F ( ) = [e ein ] d, 2 ei 1 o` u on a utilis e la p eriodicit e de F et lidentit e Sn appliqu e a ` une constante = cette m eme constante (ici, est x e, donc F ( ) est constante). On a donc Sn (F )( ) F ( ) = Cn+1 (G) Cn (G), o` u G est la fonction qui vaut G() = 1 F ( + ) F ( ) en (rappelons que est xe). Le r esultat tendra eectivement vers 0 2 ei 1 quand n si F est Lipschitzienne.

Une s erie de Fourier

divergente14 (du Bois-Reymond, Fej er):

N

sin(21+m ) la fonction F () = m2 m=1

2m

p=1

sin(p) p

est p eriodique et continue (les sommes partielles de Fourier

p=1

sin(p) de la fonction sign ( ||)/2 etant p

toutes born ees par une m eme constante [le fameux ph enom` ene de Gibbs]), mais son d eveloppement en s erie de 1 3 m3 Fourier est divergent en = 0. En eet, les coecients sont Ck (F ) = si 2 k < 21+m , 3 2 1+ m 2m (2 k) 1 1+m3 m3 si 2 < k 3.2 , nuls pour les autres valeurs de k . La s erie des Ck diverge, puisque 2m2 (k 21+m3 ) 3 3 les sommes de Ck pour k = 2m a ` k = 21+m 1 sont sup erieures a ` m/2 (la somme 1 + 1/2 + + 1/(2N ) 3 3 est sup erieure a ` N/2). Les sommes de Ck pour k = 21+m + 1 a ` k = 3.2m 1 sont dailleurs tout aussi violemment n egatives. Inutile dajouter que F est furieusement non d erivable en = 0. . . D.C Champeney, A Handbook of Fourier Theorems, Cambridge U.P., 1987, 5.5 et 15.2; R.E. Edwards, eme Fourier Series, A Modern Introduction, Holt Rinehart Winston 1967 (2` ed.: Springer, 1979), 10.3.1.
14

MATH2171 2005-06 2 Tchebyche 4.3. S eries de polyn omes de Tchebyche. Soit f continue sur [1, 1]. On adoptera naturellement (38) avec ck (f ) calcul es par (37):
n

56

Sn (f ) =

ck (f )Tk
k =0

(44)

comme d enition de lop erateur de bonne approximation appliqu e a ` une fonction continue arbitraire f . Ceci sugg` ere que lop erateur de bonne approximation d ecoule dun d eveloppement inni (s erie) applicable a ` toute fonction continue sur [1, 1]. La d enition suivante comporte pourtant une restriction: D enition. Le d eveloppement en s erie de polyn omes de Tchebyche dune fonction continue sur [1, 1] est

f=
k =0

ck (f )Tk ,

(45)

avec les coecients ck (f ) de (37), pourvu que la s erie (45) converge vers f en tout point de [1, 1] . On a vu plus haut des conditions susantes de convergence a ` partir de la th eorie des s eries de Fourier. La raison de la restriction est que la s erie (45) peut en eet etre divergente pour certaines fonctions continues. La raison profonde est que les op erateurs Sn de (44) ne sont pas uniform ement born es (en n) dans C[1,1] muni de la norme du maximum15, do` u la possibilit e de suites {Sn (f )}n divergentes (conditions n ecessaires du th eor` eme de Banach-Steinhaus [et lexemple ci-dessus]). La d et erioration de tout sch ema de bonne approximation (choix de projecteurs lin eaires) vis-` a-vis des meilleurs approximations est quanti ee par l enonc e suivant: Lemme de Lebesgue. Soit une famille {Vm }m de sous espaces vectoriels de lespace vectoriel norm e X , et m, Pm un projecteur lin eaire sur Vm . Alors, f X , si Em (f ) = inf pVm f p , on a f Pm f (1 + Pm ) Em (f ). (46) ` eme On appelle Pm la m constante de Lebesgue du sch ema de bonne approximation {Pm }m . En eet, > 0, prenons p Vm avec f p Em (f ) + [bien entendu, si Vm est de dimension nie, on prend plut ot une meilleure approximation p de f ]. Comme Pm est un projecteur sur Vm , Pm p = p et, comme Pm est lin eaire,
1 sin(n + 1/2) d quand n , mais est born ee par 4 + (4/ 2 ) ln n 0 sin /2 (si n > 0), ce qui est une croissance tr` es lente: 0 1 2 3 4 5 6 7 8 9 10 20 1 1.436 1.642 1.778 1.880 1.961 2.029 2.087 2.138 2.183 2.223 2.494 Cf [Chen] pp. 127 & 149 (prob. 13), [Pas] p. 28, [Pow] pp. 143149, [Riv1] p.61. Remarque: si on conna t f Sn f , on a donc lencadrement (assez m ediocre) de En (f ): Ici, on trouve Sn

do` u (46) .

f Pm f = f Pm f (p Pm p ) = f p Pm (f p )
=

(1 + Pm )(Em (f ) + ),

f Sn f 5 + (4/ 2 ) ln n

En (f )

f Sn f

contre, les projecteurs Sn sont uniform ement born es dans le m eme espace muni dune norme quadratique appropri ee, voir chapitre 3.

15Par

MATH2171 2005-06 2 Tchebyche

57

f 1 t2 2(1 + t2 2tx) tk

ck (f ) (|t| < 1)

(=fonction g en eratrice) 1 (1 + t)2 4tx2 1 xc 0 si k impair; 2tk/2 si k pair 1 t2 (|t| < 1)

4pk+1 avec p = c c2 1 2 1p tel que |p| < 1(c / [1, 1])

|x| 1x

0 si k impair;

4(1)k/2 si k pair. (k 2 1) 4 2(1)k (4k 2 1) 4 si k pair (k 2 1)

1 x2

0 si k impair; 0 si k pair; 2 ln

arcsin x cos(q arccos x) ln(1 qx)

4 si k impair. k 2 q /Z

2q sin(q )(1)k , (k 2 q 2 ) si k = 0; p= 1

q 2p

2pk si k > 0, k

1 q2 q pk si k impair k

arctg qx

0 si k pair; 2(1)(k1)/2 p=

1 + q2 1 q

eqx

2Ik (q ) (fonction de Bessel Ik (q ) = ik Jk (iq ) =

=0

2k+2

q k+2 ) !(k + )!

J (qx)

Quelques d eveloppements en s erie de Tchebyche, S. Paszkowski [Pas].

0 si k impair; 2J(

k)/2 (q/2)J( +k)/2 (q/2)

si k pair

MATH2171 2005-06 2 Tchebyche

58

On retrouve alors les formules (37) des coecients par une exploitation (un peu cavali` ere) de la s erie (45): on multiplie les deux membres de (45) par (1 x2 )1/2 Tm (x) et on int` egre sur [1, 1]: Tm (x)dx f (x) = 1 x2 1
1 1

ck (f )
k =0 1

Tk (x)Tm (x)dx = 2 2 1x

ck (f )k,m =
k =0

cm (f ). 2

La cons equence beaucoup plus int eressante et profonde des relations dorthogonalit e (36) est que la somme partielle de degr e n de la s erie (45) est la meilleure approximation de f dans Pn au sens dune norme quadratique: n 1 dx Proposition. La somme partielle Sn := Sn f = (f (x) p(x))2 ck (f )Tk minimise 1 x2 1 k =0 sur tous les p Pn . En eet, soit p = Sn + q , avec q Pn . On a
1 1

(f (x) p(x))2 dx = 1 x2

(f (x) Sn (x))2 dx 2 1 x2

(f (x) Sn (x))q (x)dx + 1 x2

0

(q (x))2 dx 1 x2

puisque lint egrale de f fois (1 x2 )1/2 Tm (x)dx se confond avec celle de Sn fois (1 x2 )1/2 Tm (x)dx (on d eveloppe q dans la base des Tm ). Les meilleures approximations polynomiales de fonctions construites sur des principes dorthogonalit e sont si importantes que tout le chapitre 3 leur sera consacr e. Sommes de Fej er et de La Vall ee Poussin. n Soit Sn = Sn f = ck (f )Tk qui peuvent donc ne pas converger vers f . La moyenne de 0 Fej er S0 + S 1 + + S n Fn := n+1 converge uniform ement vers f , mais la convergence est toujours m ediocre. Les sommes de la Vall ee Poussin Sn + Sn+1 + + S2n1 Vn := = 2F2n1 Fn1 n sont dans P2n1 au lieu de Pn , mais ont des erreurs dapproximation qui se comparent aux erreurs de meilleure approximation: f Vn 4En (f ) ([DeVLor] pp. 273-274). 4.4. Vitesse de d ecroissance des coecients et bornes de norme de fonction derreur. Voici comment quantier les erreurs de bonne approximation: Th eor` eme. Si f C[m 1,1] , |ck (f )| f Sn f

2 F (m) km

(k > 0),

2 F (m) (m 1)nm1

(n > 0, m > 1),

(47)

MATH2171 2005-06 2 Tchebyche o` u F ( ) = f (cos ). On a aussi |ck (f )| f Sn f 4 f (m) , (k m + 1)(k m + 3) . . . (k + m 1) (k m (n 0), m, m > 1).

59

4 f (m) , (m 1) (n m + 2)(n m + 4) . . . (n + m 2) En eet, on int` egre (37) par parties (lint egrale en ) sin k 2 F ( ) ck (f ) = k
0

F ( )
0

sin k d, k

les termes aux limites sannulent, gr ace au sinus. Si f C 2 , une nouvelle int egration par parties fournit des termes aux limites F ( ) cos k en 0 et qui sannulent cette fois parce que F : F ( ) = f (cos ) est une fonction p eriodique paire: F ( ) = F ( ) F (0) = 0, F ( + u) = F ( + u) = F ( u) F ( ) = 0. En poursuivant les int egrations par parties, on a des termes aux limites contenant soit des sinus, soit des d eriv ees dordre impair de F en 0 et , ces d eriv ees sont nulles (consid erer les d eveloppements de Taylor de F autour de 0 et ). Il reste 2/ fois une int egrale de F (m) ( ) fois un sinus ou un cosinus divis e par k m , do` u la premi` ere borne de ck (f ) dans (47). Pour la borne de f Sn f , on part de
n

f Sn f
6

=
k =0

ck (f )Tk

ck (f )Tk
k =0

=
k =n+1

ck (f )Tk
k =n+1

|ck (f )|,

(k )

et on utilise un principe tr` es simplement illustr e par la gure ci-contre: si est positive d ecroissante,

(k )
k =n+1 n

(k )dk

k -

appliqu e ici a ` (k ) = constante/k m . Bien entendu, lint egrale ne converge que si m > 1.

Pour etablir les autres in egalit es, on part de lint egrale en x de (37), que lon int` egre par parties, en d erivant m fois f et en int egrant m fois Vn,0 (x) = (1 x2 )1/2 Tn (x), donc, ck (f ) = (2/ )(1)m
1

f (m) (x)Vn,m (x) dx, dapr` es la d enition (32), et on applique (33).

Exemple. Avec f (x) = eqx , on obtient f Sn f 4q n /( 2n1 (n 1)(n 1)!), (faire m = n dans (47)), ce qui est int eressant: cest presque 2n fois plus petit que ce quon obtient avec la s erie de Taylor-Maclaurin16! Autre exemple. Avec f (x) = |x|, on a exactement f Sn f = 2/( (n 1)), o` u n est le plus petit nombre pair strictement plus grand que n: utiliser la table de la p. 57 et 2 1 + ((n + 2)2 1)1 + ] = (2/ )[1/(n 1) 1/(n + 1) + 1/(n + k>n |ck | = (4/ )[(n 1) 1) 1/(n + 3) + ], atteint en x = 0. remarquons que ce f nest m eme pas dans C 1 . Approximation polynomiale de x sur [0,1]. 1 , 0 x 1. Proposition. p Pn : | x p(x)| (n + 1/2)
plus, (47) rend encore des services quand on ne dispose pas de coecients de Taylor dordre elev e! (garder m faible dans (47)).
16De

MATH2171 2005-06 2 Tchebyche

60

En eet, il sut erie de Tchebyche de la fonction de prendre une somme partielle de la s valeur absolue, en x: n 2 1 4 4 2 1 1 (1)k T2k ( x) = . x+ = 2 2 0 4k 1 n+1 4k 1 n+1 2k 1 2k + 1 (2n + 1) Nous sommes maintenant en mesure daborder une premi` ere d emonstration dun th eor` eme 17 fondamental 4.5. Th eor` eme de Weierstrass. Toute fonction f continue sur un intervalle compact [a, b] peut etre arbitrairement bien approch ee en norme du maximum par des polyn omes: D enition. On appelle module de continuit e dune fonction f d enie sur [a, b] la fonction f (h) := max |f (x) f (y )|,
x,y [a,b] |xy |h

> 0, n et p Pn : f p

0 h ba

Cette fonction est croissante, et f (h) 0 quand h 0 si f est continue sur [a, b] born e (continuit e uniforme de f ). Et on montre aussi que f est continue si f lest, et x, y 0 f (x + y ) f (x) + f (y ). Donc aussi f (kx) kf (x) si k entier 0; enn, f (ax) (a + 1)f (x), (48) si a est r eel 0 (prendre k = partie enti` ere par exc` es de a). Soit h = (b a)/N tel que f (h) /2, g linterpolant lin eaire par morceaux de f aux points xi = a + ih, i = 0, 1, . . . , N . (xi+1 x)f (xi ) + (x xi )f (xi+1 ) Entre xi et xi+1 , f (x) g (x) = f (x) = h (xi+1 x)(f (x) f (xi )) + (x xi )(f (x) f (xi+1 )) , donc f g f (h) /2. h Abordons maintenant g (x) (Sn g )(x) = n+1 ck Tk (y ), o` u x = (a + b)/2 + y (b a)/2 y = (2x a b)/(b a). ck = 2
1 1

g ((a + b)/2 + y (b a)/2)

1 1 N 1

Tk (y )

ba

1 y2

dy

g ((a + b)/2 + y (b a)/2)Vk,1 (y ) dy g (xi ) [Vk,2 (yi+1 ) Vk,2 (yi )] ,

ba =

i=0

et, comme Vk,2 (k 2 1)1 (par (33)), et que |g (xi )| = |f (xi+1 ) f (xi )|/h f (h)/h, 1 (b a)2 f (h) 1 b a f (h) 2 (b a)2 f (h) N = , et |ck | , | c | k h k2 1 h2 k1 k+1 h2 n
k =n+1

f Sn g
17Il

f g

+ g Sn g

f (h) 1 +

(b a)2 h2 n

sagit de la preuve de Lebesgue, voir A. Pinkus, Weierstrass and approximation theory, J. Approx. Theory 107 (2000) 1-66.

MATH2171 2005-06 2 Tchebyche et il sut de prendre n (b a)2 /(h2 ).

61

4.6. Calcul des coecients de Tchebyche et autres algorithmes. (1) On peut evidemment avoir la chance davoir une int egrale explicite, cf. table p. 57. (2) Si on dispose de nombreuses valeurs num eriques de f , on peut estimer ck (f ), k = (N ) 0, 1, . . . , N par les coecients discrets ck de (40) (p. 51; le r esultat du calcul (40) (N ) ne co ncide plus avec (37) si f nest pas un polyn ome, aussi note-t-on ici ck (f ) la valeur de (40)).
Ces coecients peuvent etre tr` es ecacement calcul es par un algorithme de tranform ee discr` ete rapide (FFT) (cf. tchebfft.m ) % tchebfft.m % % coefficients de Tchebycheff dune fonction de x, -1<= x <= 1 % nomf=input(donnez la fonction, par exemple: 3.*x+4, etc. N.B. x doit pouvoir etre un vecteur ,s); n=1;while n>0, n=input(nombre de subdivisions? (stop si <=0 ); if n<=0, break; end; % valeurs de f: clear x;x=cos( pi*(0:n)/n ); clear f;f=eval(nomf); % passage a 2*n clear g;g=[f(n+1:-1:1) f(2:n)]; coef=cos(pi*(0:2*n-1)) .* fft(g) /n; coef(1:n+1), end

Ainsi, avec exp(x), on obtient, selon N :

(N ) (N ) (N ) (N ) (N ) (N ) (N ) (N )

N 1 2 3 4 5 6 7

c0 3.0862 2.5431 2.5322 2.5321 2.5321 2.5321 2.5321

c1 2.3504 1.1752 1.1309 1.1303 1.1303 1.1303 1.1303

c2

c3

c4

c5

c6

c7

0.5431 0.2770 0.2715 0.2715 0.2715 0.2715

0.0887 0.0449 0.0443 0.0443 0.0443

0.0109 0.0055 0.0055 0.0055

0.0011 0.0005 0.0005

0.0001 0.0000

0.0000

On converge donc rapidement vers les ck de lexponentielle

MATH2171 2005-06 2 Tchebyche

k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 (cf. [Clen]). ck 2.53213175550402 1.13031820798497 0.27149533953408 0.04433684984866 0.00547424044209 0.00054292631191 0.00004497732295 0.00000319843646 0.00000019921248 0.00000001103677 0.00000000055059 0.00000000002498 0.00000000000104 0.00000000000004
(N )

62

La discordance entre ck (f ) et ck (f ) est remarquablement bien sugg er ee par la formule suivante (Aliasing , pliage fr equentiel ): ck (f ) = ck (f ) + c2N k (f ) + c2N +k (f ) + c4N k (f ) + c4N +k (f ) + En eet, on entre la vraie s erie (45) dans (40):
(N ) ck (f ) (N )

(49)

2 = N = =
p=0

ck (f )Tk (cos( /N )) Tk (cos( /N )

=0 k =0

2 N

ck (f )Pk,k
k =0

(N )

le Pk,k de (42)! c2pN k (f ).

(N )

ck+2pN (f ) +
p=1

Cette formule (49) repr esente exactement la superposition des fr equences observ ee quand on echantillonne un signal: a ` force de chercher des termes equioscillants, le langage et les m ethodes de la th eorie de lapproximation se rapproche de ce qui se fait en th eorie du signal (th` ese de Hamming). (3) Traitement de la r ecurrence. On manipule des s eries de Tchebyche comme on manipule des s eries de Taylor. Ainsi, multiplier une s erie de Tchebyche par un polyn ome revient a ` eectuer plusieurs fois une multiplication par x:

x
k =0

ck (f )Tk (x) =
k =0

ck (f )xTk (x) ck1 (f ) + ck+1 (f ) c1 (f ) Tk+1 (x) + Tk1 (x) = T0 + Tk (x) ck (f ) 2 2 2 k =1

=
k =0

par (12). Do` u ck (xf ) = (ck+1 (f ) + ck1 (f ))/2, k = 0, 1, . . . (si on pose c1 = c1 ). On peut aussi consid erer des multiplications et des divisions de s eries.

MATH2171 2005-06 2 Tchebyche (4) Economisationr earrangement de polyn omes.

63

Economisation: on applique a ` la lettre le m ecanisme de cascade d ecrit en section 4.1 a ` partir dune approximation polynomiale connue. x2 x3 x4 Exemple: p(x) = 1+ x + + + est une approximation de ex derreur 0.01 2 6 24 sur [1, 1] (le premier terme n eglig e est x5 /120). On ne peut supprimer x4 /24 sous peine davoir une erreur tr` es sup erieure a ` 0.01. Cependant, en soustrayant le multiple appropri e de T4 , on garde une approximation de degr e 3 derreur encore acceptable: 1 1 8x2 + 8x4 191 13x2 x3 T4 (x) = p(x) = +x+ + 192 192 192 24 6 ne fait quajouter une erreur 1/192 a ` lerreur initiale. k R earrangement: on construit le d eveloppement dun polyn ome p(x) = N 0 ak x dans la base {T0 , . . . , TN }. Algorithme (Hamming): on r earrange successivement les polyn omes partiels du sch ema de Horner aN , aN x + aN 1 , (aN x + aN 1 )x + aN 2 , etc. en traitant chaque multiplication par x selon le point 3 ci-dessus. Ainsi: k ak c0 c1 c2 c3 c4 4 1/24 1/12 3 1/6 1/3 1/24 2 1/2 25/24 1/6 1/48 1 1 13/6 51/96 1/12 1/96 0 1 243/96 27/24 13/48 1/24 1/192 (5) Relations et equations di erentielles. p(x) M ethode des (Lanczos). Lintroduction dun polyn ome p dans un op erateur di erentiel L y (par exemple, L y = y y ), ne va normalement pas annuler lop erateur (p p est evidemment toujours du degr e de p). On modie le second membre par un polyn ome de norme minimale ( pol. de Tchebyche), de fa con a ` rendre le probl` eme soluble dans PN . Un ou plusieurs coecients dabord ind etermin es (les fameux ) sont pr ecis es in ne par la comparaison avec des valeurs initiales ou aux limites. Exemple: r esoudre y y = 0, avec y (0) = 1, dans P4 : comme il faut un second membre P4 egalement, on r esout plut ot
4 4

p p=

ak x
0

ak xk = T4 (x),
0

soit a1 a0 + (2a2 a1 )x + (3a3 a2 )x2 + (4a4 a3 )x3 a4 x4 = 8 x2 + 8 x4 , do` u a4 = 8 , a3 = 32 , a2 = 88 , a1 = 176 , a0 = 175 . Condition initiale a0 = 1 = 1/175, etc. Relations de r ecurrence entre coecients (Clenshaw). On r esout un probl` eme di erentiel en substituant une s erie de Tchebyche a ` la fonction inconnue. En plus des op erations mentionn ees au 3 ci-dessus, il faut traiter les relations di erentielles. Gr ace a ` (30) (p. 48), on a une relation simple

MATH2171 2005-06 2 Tchebyche entre une s erie de Tchebyche et sa primitive :

64

f =
k =0

ck (f )Tk f = constante +

Tk+1 c0 (f ) c1 (f ) Tk1 ck (f ) T1 + T2 + , 2 2 2( k + 1) 2( k 1) k =2

donc, ck (f ) = [ck1 (f )ck+1 (f )]/(2k ), k = 1, 2, . . . On obtient ainsi des relations de r ecurrence quil faut exploiter convenablement (cf. [FoxP]). Par exemple, f = f avec f (0) = 1: ck = (ck1 ck+1 )/(2k ), k = 1, 2, . . . N egligeons c5 , c4 = c3 /8 c3 = 8c4 , c3 = (c2 c4 )/6 c2 = 49c4 , c2 = (c1 c3 )/4 c1 = 204c4 , c1 = (c0 c2 )/2 c0 = 457c4 . Condition initiale c0 /2 + c1 T1 (0) + c2 T2 (0) + c3 T3 (0) + c4 T4 (0) = 1 c0 /2 c2 + c4 = 1 : c4 = 2/361, etc. Nombreuses applications dans D. Gottlieb, S.A. Orszag: Numerical Analysis of Spectral Methods: Theory and Applications. SIAM (CBMS) 1977, C. Canuto, M.Y. Hussaini, A. Quarteroni, T. Zang: Spectral Methods in Fluid Dynamics, Springer, 1988, B. Fornberg: A Practical Guide to Pseudospectral Methods, Cambridge U.P., 1996, Chebyshev Polynomials, J. C. Mason and D. C. Handscomb, Chapman and Hall/CRC Press, 2003. Aussi le logiciel pseudopack, http://www.cfm.brown.edu/people/wsdo 4.7. Algorithmes en repr esentation de Tchebyche.
n

4.7.1. Algorithme de calcul de Sn (x) =

k =0

ck Tk (x): ecrivons la r ecurrence pour T1 (x), . . . , Tn (x) T 0 0 T1 (x) 0 T2 (x) 0 = . . . . . . 1 Tn1 (x) 0 cn Sn (x) Tn (x) soit Rt = ,

et faisons suivre de lexpression de x 1 1 2x 1 ... ... ... c0 /2 c1

Sn (x):

... ... ... 1 2x . . . . . . cn1

et multiplions par un vecteur ligne = [0 , 1 , . . . , n ] tel que = R nait que sa seule premi` ere composante 0 non nulle. On a alors 0 = n Sn (x), donc Sn (x) = 0 si on impose en plus n = 1. Calcul des k : n+1 = 0; n = 1; k1 = 2xk k+1 + ck , k = n, n 1, . . . , 1. Alors, Sn (x) = 0 = x0 1 + c0 /2. 4.7.2. Z eros dun polyn ome. x doit etre tel que Sn (x) = 0, donc, le d eterminant de la matrice ci-dessus doit etre nul. R eduction a ` un probl` eme de valeurs propres: on ajoute a ` lavant-derni` ere ligne la derni` ere multipli ee par 1/cn . On a 2x 1 2 2x ... 1 ... ... = 0. ... ... ... . . . 1 + cn2 /cn 2x + cn1 /cn

c0 /(2cn ) c1 /cn

MATH2171 2005-06 2 Tchebyche Les racines de Sn (x) = 0 sont donc les 0 1 1/2 0 ... c0 /(4cn ) c1 /(2cn ) valeurs propres de

65

(M ethode de Tchebyche-Frobenius, voir Boyd, John P., Computing zeros on a real interval through Chebyshev expansion and polynomial rootnding, SIAM J. Numer. Anal. 40 (2002), no. 5, 16661682; Stetter, Hans J., Numerical polynomial algebra, Society for Industrial and Applied Mathematics (SIAM), Philadelphia, PA, 2004. xvi+472 pp; David DAY, Louis ROMERO, ROOTS OF POLYNOMIALS EXPRESSED IN TERMS OF ORTHOGONAL POLYNOMIALS,

1/2 . ... ... ... ... ... . . . 1/2 cn2 /(2cn ) cn1 /(2cn )

5. Approximation par fonction rationnelle. Soit Rm,n lensemble des fonctions r pouvant se repr esenter comme r = p/q , avec p P m et q Pn . Si les degr es du num erateur et du d enominateur sont m et n lorsque r est r eduite a ` sa plus simple expression, on dit que le d efaut de r dans Rm,n est min(m m , n n ). On a alors le th eor` eme d equioscillation Th eor` eme. Toute fonction r eelle f continue dans [a, b] admet une seule meilleure approximation r R m,n . La fonction derreur f r admet un alternant dau moins m + n + 2 points, o` u est le d efaut de r . [ Ach] La r eciproque est facile a ` montrer: si s etait meilleure que r , s r = f r (f s) devrait changer pq p q a un num erateur de degr e au plus au moins m + n + 1 fois de signe dans (a, b), mais s r = qq m + n . . . Des algorithmes d echange existent ([Ach, Pow, Riv1]), mais on a egalement d evelopp e des outils de nature plus analytique: (1) Lapproximation de Pad e18 rm,n reproduit un maximum de coecients de Taylor, par exemple a ` m k p ( x ) = p (P ) (P ) 0 kx lorigine. Normalement, f (x)rm,n (x) = O(xm+n+1 ). Si f (x) = ck xk , rm,n (x) = , k q (x) = n 0 qk x k=0 o` u n [q0 , . . . , qn ] est une solution des n equations homog` enes
j =0 (P )

cm+kj qj = 0, k = 1, . . . , n, et p =

d eveloppement de Taylor de f q limit e au degr e m.

(P ) (P ) (P )

Ainsi, si f (x) = ex , r0,0 (x) = 1, r1,0 (x) = 1 + x, r0,1 (x) = (2) Lapproximation de Pad e-Tchebyche19 rm,n Tchebyche: f (x) =
0 (T )

1 + x/2 (P ) 1 + x/2 + x2 /12 1 (P ) , r1,1 (x) = , r2,2 (x) = . 1x 1 x/2 1 x/2 + x2 /12 etend lid ee pr ec edente aux s eries de polyn omes de
1 f+ (ei )

ck Tk (x) =

1 c0 + 2 2

ck eik +

1 2

ck eik

f+ (ei )

(T ) et on prend rm,n (x) = 18

c0 rm,n (ei ) rm,n (ei ) + + . 2 2 2

(P )

(P )

cf. Henri Eug` ene Pad e, 1863-1953, cf. G.A. Baker, Jr., Essentials of Pad e Approximants, Ac. Press, new York, 1975; G.A. Baker, Jr., P. Graves-Morris, Pad e Approximants, 2 vol., Addison-Wesley, 1981. 19 Baker & Graves-Morris, op. cit. vol. 2, pp. 56-63.

MATH2171 2005-06 2 Tchebyche

(T )

66

Le d eveloppement en s erie de Tchebyche de rm,n co ncide normalement avec celui de f jusquau terme en Tm+n inclus. La fonction derreur est cependant souvent loin d etre proche de l equioscillation. (3) Lapproximation CF. On utilise une construction de Carath eodory et Fej er 20 produisant une fonction derreur parfaitement equioscillante. . . mais qui nest pas une fonction rationnelle! On projette ensuite dans Rm,n . (CF ) La fonction r m,n est une fonction m eromorphe avec exactement n p oles dans |z | > 1, approchant

uj z j sur le cercle unit e

j

f+

(m,n)

(z ) :=

k mn+1 ck z

telle que f+

(m,n)

(CF ) (z ) r m,n (z ) = z mn+1

j =0 j =0

uj z

eme eme |z | = 1. est la n` valeur singuli` ere, et [u0 , u1 , . . . ]T est le n` vecteur singulier de la matrice de Hankel [ci+j ], i = m n + 1, m n + 2, . . . ,, j = 0, 1, . . . (matrice innie ou tronqu ee a ` un ordre nettement sup erieur a ` n).

r m,n (ei ) + r m,n (ei ) dans Rm,n (souvent par Pad e-Tchebyche). 2 0 Pour un programme matlab dune simplicit e et dune ecacit e confondantes, voir L.N. Trefethen, MATLAB programs for CF approximation, pp.599-602 in Approximation Theory V , ( C.K.Chui, L.L.Schumaker, J.D.Ward, eds.), Academic Press, Orlando 1986, cftref.m Enn, on projette ck Tk (x) + 6. Lecture. Tchebyche et de La Vall ee Poussin

mn

(CF )

(CF )

P.L. Tchebyche http://www-history.mcs.st-and.ac.uk/history/BigPictures/Chebyshev.jpeg Pafnuty Lvovitch Tchebyche (P.L. Qebyxev) (16 mai 18218 d ec. 1894) fut eme un des esprits les plus remarquables du XIX` si` ecle. On conna t surtout son in egalit e de Tchebyche en probabilit es: si X est une variable al eatoire r eelle de moyenne m et de variance 2 , 1 Prob (|X m| k ) . k2 Cette in egalit e se d eduit simplement de ce que la fonction caract eristique de R \ [m k, m + k ] est born ee sur tout R par (x m)2 /(k )2 , on aura loccasion de revoir cette construction. . . Il a egalement donn e ce curieux et int eressant th eor` eme danalyse: la primitive de x m (a + bxn )p (probl` eme des di erentielles bin omes ) sexprime au moyen de fonctions el ementaires si et seulement si lun des trois m+1 m+1 , p, ou + p est entier. . . nombres n n Il sest egalement int eress ea ` des points ns de th eorie des nombres: soit (x) := nombre de nombres premiers (x) x. Comment se comporte (x) quand x ? Gauss avait conjectur e que lim = 1, Tchebyche x x/ ln x (x) sont comprises entre 0.92129 et 1.1056. On reviendra montra21 que les limites inf erieure et sup erieure de x/ ln x sur ce r esultat. Il donna aussi la premi` ere preuve de la conjecture de Bertrand: il y a toujours au moins un nombre premier entre n et 2n si n > 3. Lorigine du probl` eme de meilleure approximation r esolu par Tchebyche se situe dans la conception de m ecanismes articul es associ es a ` une machine a ` vapeur: L.N. Trefethen, M. Gutknecht, The Carath eodory-Fej er method for real rational approximation, SIAM J. Numer. Anal. 20 (1983) 420-436. 21 W. Schwarz, Some remarks on the history of the prime number theorem from 1896 to 1960, pp.565616 in J.P. Pier (ed.), Development of Mathematics 19001950, Birkh auser, 1994.
20

MATH2171 2005-06 2 Tchebyche

67

M O P 6 ? M P 6 ? O

M ecanismes de transmission du mouvement.

Le m ecanisme le plus simple (` a gauche, dans la gure ci-dessus) force le point M a ` parcourir un arc de cercle, ce qui impose des eorts lat eraux excessifs au piston P . Le m e canisme de droite, imagin e par James Watt, fait tracer au y point M un arc de courbe poss edant un point dinexion, se rapprochant ainsi nettement mieux de la verticale. Watt et ses successeurs se sont ing eni e a ` trouver des m ecanismes engendrant des points dinexion dordre de plus en x ? ? plus elev e, avec une tangente verticale au point dinexion (gure (a)). Dans un voisinage [, ] du point dinexion, l equation de larc de courbe est proche de y = Kxn (laxe des x est laxe vertical). Tchebyche montra que limportant nest pas davoir un tr` es bon contact avec la direction verticale en un point, mais bien de minimiser le plus grand ecart par rapport a ` la ligne verticale id eale, ce qui lamena au principe d equioscillation (gure (b)). Ironie de lhistoire, un m ecanisme transmettant de fa con exacte un mouvement circulaire en un mouvement rectiligne (inverseur) fut imagin e par le g en eral fran cais Peaucellier en 1864. . . P et P d ecrivent des gures inverses lune de lautre: OP.OP = constante. Si P d ecrit un arc de cercle passant par O, P d ecrit exactement un segment de droite. (Cf. 16 de H. Rademacher, O. Toeplitz, Von Zahlen und Figuren, Springer, 1930, 1968 = Enjoying Mathematics )

(a)

(b)

Le m ecanisme de Tchebyche le plus connu (voir http://ch.engr.ucdavis.edu/design/fourbar/fourbarChebyshev.html; M. Nicaise, Les mouvements m ecaniques, etude descriptive et raisonn ee des c m ecanismes, Librairie polytechnique Ch. B eranger, Paris et Li ege, 1931; D.C. Tao, Applied Linkage Synthesis, Addison-Wesley, Reading, 1964) est un quatre-barres sym etrique de longueurs 2a pour la base, 2b pour les deux 2b manivelles, et 2c pour la bielle. On sint eresse a ` la trajectoire du point milieu 2b (x, y ) de la bielle. Soit c la projection horizontale de la demi bielle: les coordonn ees des extr emit es de la bielle sont (x c , y c ), avec c 2 + c 2 = c2 , y et exprimons que ces points sont a ` distance 2b de (a, 0) et (a, 0): 4b2 = x 2 2 (x c + a) + (y + c ) = (x + c a)2 + (y c )2 r2 c 2 r2 (r2 4b2 + (a + c)2 )(4b2 (a c)2 r2 (a, 0) (a, 0) 2 avec r = x2 + y 2 , on a x2 = 2 = , 4b r2 4b2 r2 2 2 2 2 2 2 2 2 r (c a) r (r 4b a + c ) .. On voit que la courbe (r eelle) est y2 = 4b2 r2 4b2 r2 2 2 2 2 2 d ecrite quand 4b (a + c) r 4b (a c) . Un examen de la d eriv ee de y montre lexistence de minima de y en x = 0 si (a + c)3 < 4b2 c. Cf. cheblink.m

MATH2171 2005-06 2 Tchebyche

P.L. Tchebyche (un peu plus a g e) http://www.math.psu.edu/dna/interpolation/interpolation.html

68

Clenshaw ([Clen, p. 17]) fait une revue de quelques orthographes occidentales (alphabet latin) du nom de notre h eros, les principales sont: Q E B Y X E V International C E B Y S E V Fran cais TCH E B Y CH E FF Anglais CH E B Y SH E V Allemand TSCH E B Y SCH E FF On lira aussi P. Butzer, F. Jongmans: P.L. Chebyshev (18211894), a guide to his life and work, J. Approx. Theory, 96 (1999) 111-138; N.I. Akhiezer: Function theory according to Chebyshev, pp. 1-81 in A.N. Kolmogorov, A.P. Yushkevich (ed.): Mathematics of the 19th Century, vol. 3, Birkh auser, 1998, V.L. Goncharov, The theory of best approximations of functions, J. Approx. Theory 106 (2000) 2-57; comments by V.M. Tikhomirov, ibid. 58-65. http://www-history.mcs.st-and.ac.uk/history/Mathematicians/Chebyshev.html History of Approximation Theory: http://www.math.technion.ac.il/hat/

C.J. de La Vall ee Poussin, photo extraite de Butzer & Korevaar, (voir plus loin), aimablement num eris ee par MM. Guy Buchet et Pierre Bulens.

Charles-Jean Etienne Gustave Nicolas, baron de La Vall ee-Poussin (Louvain, 14 ao ut 1866 Boitsfort, 2 mars 1962), professeur a ` luniversit e de Louvain, devint brusquement c el` ebre en 1896 par une preuve de la conjecture de Gauss (x) relative au nombre (x) de nombres premiers x: lim = 1 22. De x x/ ln x plus, de La Vall ee-Poussin conrma une autre intuition de Gauss, limportance de la primitive de linverse du logarithme en cette mati` ere: x dt ej` a (x) constante x exp(constante ln x). Riemann avait d 2 ln t pouss e fort loin l etude de la r epartition des nombres premiers en exploitant lidentit e sur la fonction zeta log (s) = log
k=1

1 = ks

p premier

log 1

1 ps

=
p premier

1 1 1 + 2s + 3s + s p 2p 3p log (s) = M (s) + M (2s) s

0

(voir p. 178 pour le prolongement analytique de (s) a ` Re s

1). D` es lors,

+M (3s) + M (4s) + , o` u M est la transform ee de Mellin M f (t) :=

f (x)xt1 dx, (remarquons

log (5s) log (6s) + + En manipulant des formules dinversion de la transform ee de Mellin, Riemann 5s 6s x x k 1/2 1/3 1/5 1/6 R(x ) R(x ) R(x ) R(x ) dt dt arriva a ` (x) R(x) + + , avec R(x) = , 2 3 5 6 ln t 2 ln t 2 o` u les k sont les z eros non r eels de la fonction 23.de La Vall ee Poussin et Hadamard furent les premiers (cest Une autre d emonstration fut donn ee ind ependamment la m eme ann ee par Hadamard (1865 1963 : les nombres premiers conservent). 23 D. Zagier, The rst 50 million prime numbers, The Math. Intelligencer 0 (1977) 7-19; W. Schwarz, op. cit.
22 k=1

que M f (kt) est la transform ee de Mellin de k 1 f (x1/k ). . . ), ou encore M (s) =

log (s) log (2s) log (3s) s 2s 3s

MATH2171 2005-06 2 Tchebyche

69

le mot) a ` montrer rigoureusement que la contribution de ces z eros est n egligeable dans le comportement asymptotique de R(x) quand x . Riemann se proposait de montrer que tous ces z eros ont une partie r eelle egale a ` 1/2, mais la preuve nest toujours pas connue (on cherche. . . ) Cf. The encoding of the prime distribution by the zeta zeros (elegant approach) http://www.maths.ex.ac.uk/~mwatkins/zeta/encoding2.htm de La Vall ee Poussin r edigea de nombreux m emoires [dLVP2] et livres sur les relations entre sommes partielles de Fourier (ou de Tchebyche) et meilleures approximations24, ainsi que sur des questions fondamentales de th eorie des fonctions, de la mesure et du potentiel. Nul doute que ces derniers travaux furent inspir es par les premiers. Dans un article d elicieusement intitul e Sur les polyn omes dapproximation et la repr esentation approch ee dun angle (Bull. Acad. Roy. Belg. 12 (1910) 808844 = [dLVP2] VI 155191), notre auteur explore la meilleure approximation polynomiale de degr e n de B A En (|x|) , la borne |x| sur [1, 1]. Il obtient lencadrement n n inf erieure etant la plus dicile a ` etablir (cest l` a que de La Vall ee Poussin introduit son th eor` eme ( 2.2, p. 30)). Plus tard, S. Bernstein (Sur la meilleure approximation de |x| par des polyn omes de degr es donn es, Acta Math. 37 (1914) 157) put etablir lexistence de la limite C = lim nEn (|x|), limite dont la valeur est encore aujourdhui une enigme (cf. chap. 1 de
n

n 2 4 6 8 10 20 30 40 50 100

n |x| p n (x) 0.25000 00000 00000 00000 0.27048 35971 11137 10107 0.27557 43724 01175 38604 0.27751 78246 75052 69646 0.27845 11855 35508 60152 0.27973 24337 71973 82968 0.27997 46066 86407 49231 0.28005 97447 60423 15265 0.28009 92184 52382 83558 0.28015 19162 35465 27355

R.S. Varga, Scientic Computation on Mathematical Problems and Conjectures, SIAM (CBMS-NSF 60), 1990; M.I. Ganzburg, The Bernstein constant and polynomial interpolation at the Chebyshev nodes, J. Approx. Th. 119 (2002) 193-213; aussi larticle de Lubinsky cit e en p. 39). . . (cf. constants.txt) URL: http://www.cecm.sfu.ca/projects/ISC/I d.html BASE TABLE OF CONSTANTS By Simon Plouffe , CECM, Centre for Experimental \& Constructive Mathematics Simon Fraser University , Last update : Feb 6, 1996. ... Constants associated with the Approximation of Functions * Wilbraham-Gibbs constant * Lebesgue constants * Favard constants * Bernsteins constant * The "one-ninth" constant The Berstein Constant. 0.28016949902386913303643649123067200004248213981236 \\

URL=http://www.cecm.sfu.ca/projects/ISC/dataB/isc/C/bernstein.txt Professeur pendant de nombreuses d ecennies a ` luniversit e, il y exposa son cours danalyse, un classique, a ` en juger par les nombreuses biblioth` eques dunit e qui le conservent pr ecieusement:

J. Favard, Hommage a ` Charles de La Vall ee Poussin (18661962), pp. 13 in P.L. Butzer & J. Korevaar ( editeurs): On Approximation Theory Uber Approximationstheorie, Birkh auser (ISNM 5), 1964,1972. Voir aussi: J.C. Burkhill, Vall ee Poussin, J. London Math. Soc. 39 (1964), 165-175. P.L. Butzer and R.J. Nessel, Aspects of de La Vall ee Poussins Work in Approximation and its Inuence, Archive for History of Exact Science 46 (1993-94), 6795; http://www-history.mcs.st-and.ac.uk/history/Mathematicians/Vallee Poussin.html; J. Mawhin, Charles-Jean de La Vall ee Poussin, Disquisitiones Mathematic 1, n 1 (1998), 2-4, http://gauss.math.ucl.ac.be/PagesMath/Bienvenue/de la vallee Bio.html

24

MATH2171 2005-06 2 Tchebyche

Getting http://www.bib.ucl.ac.be Libellule. Catalogue contenu Acc` es au catalogue Resultats du De La Vallee De La Vallee De La Vallee De La Vallee De La Vallee De La Vallee De La Vallee De La Vallee de la Vallee De La Vallee De La Vallee ... ... balayage Poussin Poussin, C Poussin, Catherine Poussin, Ch.I Poussin, Ch.-J Poussin, Ch.J Poussin, Charles Poussin, Charles J Poussin, Charles Jean Poussin, Dominique Poussin,Et

70
Nombre de Resultats 1 3 2 2 9 25 2 2 10 1 1

B010075U B010076N B010073H ... U3LABL1270 U1PCES0883 U3ELHY0291 U3ELHY0292 U3FORT0551 U3FORT0550 U1PCES0864 U3PHYS0346 U1PCES0884 U3PHYS0345 B301430B B301187Q B301431U B304173A ... B010788X

DE LA COURS COURS COURS

VALLEE POUSSIN, CH.J. DANALYSE INFINITESIMALE 1 DANALYSE INFINITESIMALE 2 DANALYSE INFINITESIMALE 1.

LOUVAIN: UYSTPRUYST, 1903.-- 386 LOUVAIN: UYSTPRUYST, 1906.-- 456 2e e d. LOUVAIN: UYSTPRUYST, 1909.-- 423

COURS DANALYSE INFINITESIMALE PARIS: GAUTHIER-VILLARS, 1926.-- 436 SIMONART, FERNAND, collab. COURS DANALYSE INFINITESIMALE. 10e e d. LOUVAIN: UYSTPRUYST, 1947.-- 481 COURS DANALYSE INFINITESIMALE. 10e e d. LOUVAIN: UYSTPRUYST, 1947.-- 489 COURS DANALYSE INFINITESIMALE. 8e e d. LOUVAIN: UYSTPRUYST, 1949.-- 556 COURS DANALYSE INFINITESIMALE. 8e e d. LOUVAIN: UYSTPRUYST, 1949.-- 556 COURS DANALYSE INFINITESIMALE. 11e e d. LOUVAIN: UYSTPRUYST, 1954.-- 492 COURS DANALYSE INFINITESIMALE. 9e e d. LOUVAIN: UYSTPRUYST, 1957.-- 560 COURS DANALYSE INFINITESIMALE. 9e e d. LOUVAIN: LIBR.UNIVERSITAIRE, 1957.-- 560 COURS DANALYSE INFINITESIMALE. 12e e d. LOUVAIN: LIBRAIRIE UNIVERSITAIRE, 1959.-- 492 COURS DANALYSE INFINITESIMALE. 12e e d. LOUVAIN: LIBR.UNIVERSITAIRE, 1959.-- 490 Le cours danalyse de La Vall ee Poussin a ` lUCL ETUDE DES INTEGRALES A LIMITES INFINIES POUR LESQUELLES LA FONCTION SOUS LE SIGNE EST CONTINUE BRUXELLES: F.HAYEZ, 1892.-- 33 RECHERCHES ANALYTIQUES SUR LA THEORIE DES NOMBRES PREMIERS BRUXELLES: HAYEZ, 1896 SUR LAPPROXIMATION DES FONCTIONS DUNE VARIABLE REELLE ET DE LEURS DERIVEES PAR DES POLYNOMES ET DES SUITES LIMITEES DE FOURIER BRUXELLES: HAYEZ, 1908.-- 64 INTEGRALES DE LEBESGUE/FONCTIONS DENSEMBLE /CLASSES DE BAIRE PARIS: GAUTHIER-VILLARS, 1916.-- 162

LECONS DE MECANIQUE ANALYTIQUE.vol.:VECTEURS/ CINEMATIQUE/DYNAMIQUE DU POINT/STATIQUE LOUVAIN: UYSTPRUYST, 1924.-- 288 B010789R LECONS DE MECANIQUE ANALYTIQUE.vol.: DYNAMIQUE DES SYSTEMES/DYNAMIQUE DU CORPS SOLIDE/EQUATIONS DE LA MECANIQUE/MECANIQUE DES FLUIDES LOUVAIN: UYSTPRUYST, 1925.-- 326 U1PCES0866 LECONS DE MECANIQUE ANALYTIQUE.vol.:T.02 LOUVAIN: UYSTPRUYST, 1925.-- 315 A306927P LES NOUVELLES METHODES DE LA THEORIE DU POTENTIEL PARIS: HERMANN, 1937.-- 46 A306721E LE POTENTIEL LOGARITHMIQUE. BALAYAGE ET REPRESENTATION CONFORME LOUVAIN: UYSTRUYST, 1949.-- 464 Autres ouvrages de La Vall ee Poussin a ` lUCL

C.J. de La Vall ee Poussin

(un peu plus jeune) http://www-history.mcs.st-and.ac.uk/history/Mathematicians/Vallee Poussin.html

MATH2171 2005-06 3 Approximation en moyenne quadratique

71

CHAPITRE 3
Approximation en moyenne quadratique.

1. Produit scalaire, orthogonalit e, espace pr ehilbertien. On a vu que les polyn omes de Tchebyche permettent dexprimer une bonne approximation de f dans Pn par une formule explicite
k =n

f (x) Sn (x) :=

ck (f )Tk (x) ,
k =0

2 avec ck (f ) =

1 1

f (x) Tk (x)

dx , k = 0, 1, . . . 1 x2

cette ecriture du coecient ck d ecoulant de la propri et e dorthogonalit e

1 1

Ti (x) Tj (x)

dx = 0, i = j. 1 x2

1.1. Produits scalaires sur Pn . On se propose maintenant dexaminer dautres possibilit es dorthogonalit e, cest-` a-dire di erentes formules de produit scalaires sur des espaces de fonctions. Soit w une fonction positive ( 0) b et int egrable sur un intervalle (a, b) de R ( a<b +) avec a w (x)dx > 0 (foncb tion densit e ou poids). De plus, si a et/ou b est inni, on demandera a x2n w (x) du < . Montrons alors que
b

(f, g ) :=
a

f (x)g (x) w (x) dx

(50)

est un produit scalaire sur Pn : Rappel. Produit scalaire Un produit scalaire sur un espace vectoriel X d eni sur R est une forme bilin eaire sym etrique d enie positive: f, g, h X, , R, (f + g, h) = (f, h) + (g, h), f, g X, (g, f ) = (f, g ), f X,f = 0 (f, f ) > 0.

Un produit scalaire sur un espace vectoriel X d eni sur C est une forme sesquilin eaire hermitienne d enie positive: f, g, h X, , C, (f + g, h) = (f, h) + (g, h), f, g X, (g, f ) = (f, g ), f X,f = 0 (f, f ) > 0.

MATH2171 2005-06 3 Approximation en moyenne quadratique In egalit e de Cauchy-Schwarz:

72

Bien entendu, deux el ements de X sont orthogonaux entre eux si (f, g ) = 0. On v erie que (50) convient eectivement a ` Pn :

l egalit e nayant lieu que si f et g sont d ependants (f = 0 ou g = Cf , C scalaire). f = (f, f )1/2 est une norme sur X .

|(f, g )|

[(f, f )(g, g )]1/2 ,

(1) Existence de lint egrale. w etant int egrable et f continue, le probl` eme ne se pose que si a et/ou b est inni. f et g etant des polyn omes de degr es n, (50) se distribue en b m int egrales de mon omes a x w (x)dx, (moments de w ), 0 m 2n. Soit a0 < 1 (` a b a0 b0 b consid erer si a = ) et b0 > 1 (` a consid erer si b = +). On a a = a + a0 + b0 . m Les int egrales sur (a, a0 ) et (b0 , b) de |x |w (x) sont major ees par les int egrales de x2n w (x), qui existent par hypoth` ese. (2) Caract` ere d eni positif. Si f est un polyn ome non nul, il ne sannule quen un nombre x+ ni de points, on peut retirer du support S de w (points x tels que x w (t)dt > 0, > 0) un ensemble S de mesure susamment petite pour que S\S w (t)dt soit encore strictement positive, et tel que f 2 soit > 0 sur S \ S : b 2 f (t)w (t)dt = S f 2 (t)w (t)dt f 2 (t)w (t)dt 2 S\S w (t)dt > 0. a S\S Si f et g sont susceptibles de prendre des valeurs complexes, il faut etendre (50) a `
b

(f, g ) =
a

f (x)g (x) w (x) dx .

(50 )

On peut aussi etudier une formule de produit scalaire directement inspir ee du produit scalaire usuel sur RN : soit x1 < x2 < < xN des points x es de [a, b], alors
m=N

(f, g ) =
m=1

f (xm )g (xm )

(51)

est un produit scalaire (produit scalaire discret ) parfaitement admissible, que lon a donc simplement construit avec les vecteurs (f (x1 ), . . . , f (xN )) et (g (x1 ), . . . , g (xN )) de RN ! Notons quand m eme que (51) nest d eni positif que sur un espace vectoriel susamment petit pour ne pas contenir de fonction 0 sannulant en chaque xm : (51) est d eni positif sur PN 1 mais pas sur PN , o` u on a (f, f ) = 0 avec f (x) = (x x1 ) . . . (x xN ) 0. Des produits scalaires discrets de type (51) interviendront dans des probl` emes de moindres carr es. Si on se donne w1 , w2 , . . . , wN > 0, on peut d enir la somme pond er ee
m=N

(f, g ) =
m=1

wm f (xm )g (xm )

(52)

qui est encore un produit scalaire tr` es utile. La forme (52) commence a ` ressembler a ` (50)! Lint egrale (50) prise au sens de Riemann est eectivement une limite de sommes de type (52) lorsque les xk se rapprochent ind eniment. La d enition dint egrale suivante permettra dincorporer a ` la fois des int egrales et des sommes dans un produit scalaire:

MATH2171 2005-06 3 Approximation en moyenne quadratique

73

D enition. Soit une fonction r eelle born ee sur [a, b] et f une fonction d enie sur [a, b]. On appelle int egrale de Riemann-Stieltjes
b m=M

f (x)d(x) :=
a

max |xm xm1 |0

lim

m=1

f (xm )[(xm ) (xm1 )]

si cette limite, prise sur les d ecoupages a = x0 < x1 < < xM = b, xm1 xm xm , existe.
b

On d emontre1 que a f d existe si a at b sont nis, f continue, et croissante2 (pas n ecessairement strictement croissante). Si a et/ou b est inni, on etudie la/les limites quand a et/ou b +. On voit donc que
b

(f, g ) =
a

f (x)g (x) d(x)

b

(53)

est un produit scalaire g en eralisant (50) et (52) sur Pn , pourvu que a x2n d(x) < , et que la fonction croissante poss` ede au moins n + 1 points de croissance (points x tels que (x + ) (x ) > 0, > 0). Cette derni` ere pr ecaution doit en eet etre prise au cas o` u est une fonction en escalier, (53) donnant alors (52), les marches de hauteurs wm de la fonction etant situ ees aux points xm . Au contraire, si est (croissante) et d erivable sur (a, b), (53) donne (50) avec w = .
En fait, on retrouve (50) d` es que est absolument continue. Une fonction est absolument continue sur (a, b) si, > 0, > 0: pour toute r eunion R = [xm , ym ] (a, b) de longueur (ym xm ) , on a |(ym ) (xm )| . Pour une fonction croissante, notons (R) = ((ym ) (xm )). On a alors longueur de R 0 (R) 0 si est absolument continue. Une fonction absolument continue sur (a, b) x est toujours une primitive dune fonction int egrable sur (a, b): L1 (a, b) : (x) = (a) + a (t) dt. On d emontre que toute fonction croissante est la somme dune fonction croissante absolument continue, dune fonction en escalier (avec des marches eventuellement inniment rapproch ees), et dune fonction croissante eme singuli` erement continue. . . cf. par ex. Riesz & Sz.Nagy, Le cons danalyse fonctionnelle , Gauthier-Villars, 5` ed., 1968, 25. Dans le m eme ouvrage, d enition de lint egrale de Lebesgue-Stieltjes aux 5658.

Soit w positive et int egrable sur un domaine D du plan complexe, un produit scalaire valable est alors z = x + iy. (f, g ) = f (z )g (z )w (z )dxdy ,
D

On peut aussi consid erer (f, g ) =

C

f (z )g (z )w (z )ds ,

ds = |dz |

sur une r eunion darcs et de contours (rectiables) du plan complexe.

Le produit scalaire le plus g en eral sur RN a la forme (x, y ) = xT M y , o` u M est une matrice carr ee dordre N , sym etrique d enie positive (matrice de Gram, voir plus loin). La forme fonctionnelle correspondante est (pour des fonctions d enies sur A) (f, g ) = A A K (x, y )f (x)g (y ) dx dy , avec f X, f = 0 : K ( x, y ) f ( x ) f ( y ) dxdy > 0, plus g en eralement: (f, g ) = A A f (x)g (y ) d (x, y ), o` u est une mesure sur A A A A telle que f X, f = 0 (f, f ) > 0. On voit que (50) et (53) ne sont que des cas tr` es particuliers Henrici, Applied and Computational Complex Analysis , II, Wiley, 1977, p.570. Il sut de consid erer sup m fm [(xm ) (xm1 )] et inf m Fm [(xm ) (xm1 )], o` u fm et Fm sont les valeurs minimales et maximales de f sur [xm1 , xm ]. 2Interpr etation probabiliste: si (a) = 0 et (b) = 1, on peut consid erer comme une fonction de r epartition.
1P.

MATH2171 2005-06 3 Approximation en moyenne quadratique

74

o` u est concentr ee sur le lieu x = y . M eme en se limitant a ` x = y , on conna t encore des produits scalaires M plus g en eraux que (53): ce sont les produits scalaires de Sobolev (f, g ) = m=0 A f (m) (x)g (m) (x) dm (x), tr` es etudi es actuellement. La sp ecicit e des produits scalaires de type (53) sera sp ecialement mise a ` contribution a ` partir du 3.2, cest-` a-dire que la plupart des enonc es qui seront donn es a ` partir du 3.2 ne seront valables que pour des produits scalaires de type A f (x)g (x) d(x) et non pas pour des produits scalaires plus g en eraux f ( x ) g ( y ) d ( x, y ), ni m e me pour des produits scalaires de type Sobolev. A A

1.2. Espace pr ehilbertien. D enition. Un espace pr ehilbertien est un espace vectoriel muni dun produit scalaire (., .) 3 et norm e par f = (f, f )1/2 . In egalit e de Cauchy-Schwarz: (f, g ) f g . 2 Identit e du parall elogramme: f + g + f g 2 = 2( f 2 + g 2 ). 2. Meilleure approximation dans un espace pr ehilbertien. Dans un espace muni dun produit scalaire (pr ehilbertien), le probl` eme th eorique de la d etermination de meilleure approximation est inniment plus simple que dans un espace norm e g en eral: on dispose maintenant dune equerre en plus dune r` egle gradu ee! Lessentiel a ` retenir est que la d etermination de la meilleure approximation dans un sous-espace vectoriel de dimension nie se r eduit maintenant a ` la r esolution dun syst` eme d equations lin eaires, et que ce syst` eme est sp ecialement simple si on dispose dune base orthogonale du sous-espace. . . 2.1. Base dun espace de dimension nie, matrice de Gram. Consid erons donc un sous-espace V de dimension nie dun espace pr ehilbertien X . Soit {b0 , . . . , bn } une base de V (donc choisi de dimension n + 1). Tout el ement de V sexprime donc comme une combinaison lin eaire unique des el ements de la base choisie:
n

f=
k =0

ck b k .

La matrice de Gram de la base choisie relie les produits scalaires (f, bj ) aux coecients ck : (f, b0 ) (f, bn ) = c0 cn Gn+1 , o` u la matrice de Gram Gn+1 est la matrice des (b0 , b0 ) Gn+1 = (bn , b0 )
3N.B.

Certains auteurs, dont L. Schwartz, Bourbaki, ou encore L. Chambadal et J.L. Ovaert dans leur article Hilbert (espace de) de lEncyclopedia Universalis [1980], appellent pr ehilbertien un espace vectoriel muni dune forme bilin eaire sym etrique semi-d enie positive, et donc susceptible de n etre que semi-norm e. Il faut alors pr eciser pr ehilbertien s epar e, ou euclidien (ou hermitien pour les espaces sur C), pour retrouver la d enition utilis ee ici. (Remarque communiqu ee par J. Meinguet).

produits scalaires (bi , bj ): (b0 , bn ) . (bn , bn )

(54)

MATH2171 2005-06 3 Approximation en moyenne quadratique

75

Cette matrice est sym etrique (dans le cas dun espace sur R), hermitienne (dans le cas dun espace sur C), et d enie positive : Rappel. Matrice d enie positive. Une matrice carr ee A r eelle sym etrique (ai,j = aj,i ) est d enie positive si Une matrice carr ee A complexe hermitienne (ai,j = aj,i ) est d enie positive si (v H d esigne le transpos e conjugu e de v : v H = v T ). A est alors n ecessairement r eguli` ere (inversible): si le d eterminant de A etait nul, il H existerait un vecteur v = 0 tel que Av = 0, donc v Av = 0 impossible! On montre dailleurs que toutes les valeurs propres dune telle matrice sont strictement positives, donc le d eterminant = produit des valeurs propres > 0. On dit encore que A est d enie si v H Av a toujours le m eme signe d` es que v = 0, H non d enie si v Av sannule pour au moins un vecteur v = 0, semi-d enie positive si v H Av 0 pour tout v , ind enie si v H Av prend des valeurs > 0 et < 0. Montrons que Gn+1 est bien hermitienne d enie positive si {b0 , . . . , bn } est bien une une etrie hermitienne du base de V : on a bien (Gn+1 )j,i = (bj , bi ) = (bi , bj ) = (Gn+1 )i,j par sym produit scalaire; ensuite, c0 c0 . . . c0 cn Gn+1 . . = (f, b0 ) (f, bn ) . = (f, f ) > 0 cn cn
n 0 ck b k ,

vecteur r eel v = 0,

v T Av > 0.

vecteur complexe v = 0,

v H Av > 0,

o` uf=

d` es que [c0 , . . . , cn ] = [0, . . . , 0], car f ne peut alors etre nul.

2.2. Meilleure approximation = projection orthogonale. Comme exercice, examinons dabord le cas o` u V est de dimension. . . 1!
*

f
2

Si le champ des scalaires est R, est r eel, on doit simplement minimiser un trin ome du second 2 degr e en , et on trouve imm ediatement = (b0 , f )/ b0 . Sur C, voyons dabord comment doit se comporter la phase (argument) de si || est x e:, (b0 , f ) + (b0 , f ) est maximal quand (b0 , f ) est r eel positif: (b0 , f ) = |||(b0 , f )|, il faut 2 2 2 donc minimiser f 2|||(b0 , f )| + || b0 , soit || = |(b0 , f )|/ b0 2 , = (b0 , f )/ b0 2 = (f, b0 )/ b0 2 : la meilleure approximation de la forme b0 de f est (f, b0 ) b0 , b0 2 (55)

b0 f b0 b 0

= (f b0 , f b0 ) = (f, f ) (b0 , f ) (b0 , f ) + ||2 b0 2 .

Soit b0 V , tous les el ements de V sont de la forme b0 , il faut minimiser f b0 sur :

MATH2171 2005-06 3 Approximation en moyenne quadratique projection orthogonale de f dans V (voir dessin). Passons maintenant a ` V de dimension nie quelconque:

76

f


1 b 1

0 b 0 + 1 b 1

b1

 -

V b0 0 b 0

Figure 1. Projection orthogonale de f sur V muni dune base orthogonale. Th eor` eme. Soit X un espace pr ehilbertien sur R ou C, de produit scalaire ( . , . ), donc de norme . = ( . , . )1/2 , et V un sous-espace vectoriel de dimension nie de X . Alors, f X a exactement une meilleure approximation p = P f dans V ; cette meilleure approximation est lapplication dun projecteur lin eaire sur X , le projecteur orthogonal X V: f p est orthogonal a ` tout el ement de V . Si {b0 , . . . , bn } est une base de V , on obtient les coecients du d eveloppement de p = Pf = j =n esolvant le syst` eme lin eaire suivant ( equations normales) j =0 j bj dans cette base en r 0 0 (f, b0 ) (b0 , b0 ) (bn , b0 ) . . . . . GT (56) . = . = . . n+1 (b0 , bn ) (bn , bn ) n n (f, bn )

o` u on reconna t la transpos ee de la matrice de Gram de la base de V . En eet, construisons dabord p V tel que f p soit orthogonal a ` tout el ement de V (en principe, on ne sait pas encore si ce p sera la meilleure approximation de f dans V ): j =n f p = f j j bj orthogonal a ` bi , i = 0, 1, . . . , n: =0
j =n

(f p , bi ) = (f, bi )

j (bj , bi ) = 0 , i = 0, . . . , n
j =0

MATH2171 2005-06 3 Approximation en moyenne quadratique

77

ce qui est bien (56) . Comme nous savons que Gn+1 est d enie positive, ce syst` eme a une une solution unique, f X . Montrons maintenant que p = p , cest-` a-dire que lorthogonalit e du vecteur derreur au sousespace dapproximation implique loptimalit e: p V, f p
2

= (f p (p p ), f p (p p )) = f p

+ pp 2,

ce qui est un peu lourd. Les choses se simplient remarquablement si on dispose dune base orthogonale de V : Si {b0 , . . . , bn } est une base orthogonale de V , la meilleure approximation de f dans V est donn ee par
j =n

(relation de Pythagore), en eet, (f p , p p ) = (p p , f p ) = 0 par orthogonalit e de f p et de tout el ement de V . Donc, f p > f p d` es que p = p . On peut expliciter le projecteur orthogonal sur V par b0 b0 . . 1 . . P f = 0 . . . n . = (f, b0 ) . . . (f, bn ) (Gn+1 ) . , bn bn

Pf =
j =0

(f, bj ) bj , bj 2

si (bj , bj ) = 0, i = j.

(57)

En eet, la matrice de Gram Gn+1 est alors diagonale, d el ements diagonaux (bi , bi ) = bi 2 , i = 0, . . . , n dans ce cas. Cette formule (57) est donc a ` peine plus compliqu ee que (55) La projection orthogonale sur un espace de dimension nie V nest autre que la somme (vectorielle) des projections orthogonales sur les espaces de dimension un sous tendus par les el ements dune base orthogonale de V .
Exemple. Projection orthogonale dune partie de Z5 dans un plan (r eseau quasi-p eriodique de de BruijnPenrose4). Soit V le sous-espace de dimension 2 de R5 sous-tendu par les deux vecteurs (orthogonaux) u et v de composantes cos(k/5) et sin(k/5), k = 1, . . . , 5. A chaque point p = u + v de V , on associe le point q (p) de Z5 le plus proche de p (chaque composante de q (p) est lentier le plus proche de la composante correspondante de p). Enn, on projette ce q (p) orthogonalement sur V tout simplement par (57): vq uq u+ v. u 2 v 2

Voir American Mathematical Society :: Feature Column URL: http://www.ams.org/featurecolumn/archive/penro Mathematics behind QuasiTiler by M. Senechal http://www.geom.uiuc.edu/apps/quasitiler/MS about.html the Geometry Center http://www.geom.uiuc.edu/

MATH2171 2005-06 3 Approximation en moyenne quadratique

78

% de Bruijn-Penrose % projection de Z5 sur le plan (u,v) % c25=sqrt(2.5); u=cos((1:5)*pi/5)/c25;v=sin((1:5)*pi/5)/c25; % check orthonormality in R5 [u*v,u*u,v*v], % c=5;plot(-c:c,c*ones(size(-c:c)),b.,-c:c,-c*ones(size(-c:c)),b.);h ipv=[];ipvn=0; h=0.02,ih=round(c/h); for iu=-ih:ih, p2=-c; while p2<c, p=h*iu*u+p2*v;ip=round(p);iv=1; ipvf=1;if ipvn==0, ipv=ip;ipvn=1;end; ipd=ipv-ones(size(ipv,1),1)*ip; ipd=abs(ipd)*[1 1 1 1 1]; if min(ipd)==0,ipvf=0;end; if ipvf>0, ipvn=ipvn+1; ipv(ipvn,:)=ip;projip=[ip*u, ip*v]; for j=1:ipvn-1; projip1=[ipv(j,:)*u, ipv(j,:)*v]; dt=norm(projip-projip1); if abs(dt-0.400*c25)<0.01, plot([projip(1),projip1(1)],[projip(2),projip1(2)]); end; end; end; end; ipp2=ip-h*iu*u+0.51;p2=min( ipp2(1:4)./v(1:4) ); end; %iv end; %u

2.3. M ethode dorthogonalisation de Gram-Schmidt. Le proc ed e de Gram-Schmidt consiste a ` construire progressivement une base orthogonale (dont on voit bien maintenant lint er et) a ` partir dune base quelconque en retirant de chaque el ement de la base donn ee une combinaison des el ements pr ec edents de fa con a ` etre orthogonal a ` ces derniers: cest une projection orthogonale. b 0 = b0 , b 1 b 2 (b1 , b 0) = b1 b , 2 0 b0 (b2 , b (b2 , b 1) 0) b b , = b2 2 0 2 1 b0 b1 etc.

MATH2171 2005-06 3 Approximation en moyenne quadratique

79

Chaque nouvel el ement dune base orthogonale construite par le proc ed e de Gram-Schmidt est lerreur de meilleure approximation de l el ement correspondant de la base initiale dans le sous-espace sous-tendu par les el ements pr ec edents :
m1

b m = bm

k b k , avec k
k =0

(m)

(m)

(bm , b k) 2 bk

(58)

2.4. Hauteurs, volumes et d eterminants de Gram. Revenons a ` (56) et cherchons a ` d eterminer la norme de lerreur de meilleure approximation de f dans V . On a f p 2 = (f p , f p ) = (f p , f ), toujours par orthogonalit e de f p n 2 et de tout el ement de V , donc f p = (f, f ) j =0 j (bj , f ). R e ecrivons (56) comme 0 0 (b0 , b0 ) (bn , b0 ) (f, b0 ) . . . . . . = (b0 , bn ) (bn , bn ) (f, bn ) 0 n (b0 , f ) (bn , f ) (f, f ) 1 f p 2 et extrayons linconnue -1 par formule de Cramer, on obtient (b0 , b0 ) (b0 , bn ) (b0 , f ) (bn , b0 ) (f, b0 ) (bn , bn ) (f, bn ) (bn , f ) (f, f ) . det Gn+1

f p

Cette formule donne le carr e de la hauteur abaiss ee de lextr emit e de f sur V . Soit {b0 , . . . , bn } une base quelconque de V et consid erons le parall elotope P n = {x = 0 b0 + + n bn }, 0 0 , . . . n 1. Le (n + 1)volume de P n est le nvolume de P n1 multipli e par la hauteur abaiss ee de lextr emit e de bn sur le sous-espace sous-tendu par {b0 , . . . , bn1 }. On adapte la formule pr ec edente: vol. P n vol. P n1 do` u (n + 1)vol. P n =
2

det Gn+1 , det Gn

1

det Gn+1 , puisquon a bien longueur de b0 = [(b0 , b0 )]1/2 en n = 0.

f (x)g (x) dx.
0

Exemple. Mon omes dans L2 , probl` eme de M untz. Soit bk = xk et le produit scalaire (f, g ) =

Alors, (bk , bm ) = 1/(k + m + 1), et le rapport det Gn+1 / det Gn est une fonction rationnelle de degr e 2n + 1 en n , de r esidu unit e en n = 1/2, positive, et nulle si n vaut un des k pr ec edents. Cela donne (n 0 )2 (n n1 )2 . (n + 1/2)(n + 0 + 1)2 (n + n1 + 1)2
2

Pour lerreur de meilleure approximation de f (x) = x par une combinaison de x0 , . . . , xn , on a f p = ( 0 )2 ( n )2 . ( + 1/2)( + 0 + 1)2 ( + n + 1)2

Cette norme tend vers 0 quand n si la s erie des 1/n est divergente (M untz).

MATH2171 2005-06 3 Approximation en moyenne quadratique 2.5. Factorisation de Cholesky.

5

80

On peut montrer de fa con encore plus nette le contenu matriciel de ces manipulations. Constatons que (58) repr esente en fait lexpression des el ements de lancienne base dans la nouvelle base (ce qui est tr` es bien, cest cette base qui sera utile dans les applications!): (1) (2) (n) 1 0 0 0 (2) (n) 1 1 1 . . b0 b1 bn = b b1 bn . 0 (n) 1
n1

b = b M .

Gn+1

donc,

Consid erons la matrice des produits scalaires (bi , bj ) (matrice de Gram): b0 b0 (b0 , b0 ) (b0 , bn ) T . . = . = . , b0 bn = M . . , b0 bn M , (bn , b0 ) (bn , bn ) bn b
n

Gn+1 = M T BM ,
2 o` u B est la matrice diagonale des b . i Soit A une matrice hermitienne d enie positive. On appelle factorisation de Cholesky la formation des facteurs du produit A = LLH

o` u L est triangulaire inf erieure, et o` u LH est la transpos ee conjugu ee de L. Cette factorisation est unique si on pr ecise les signes des el ements diagonaux de L. Cette factorisation peut etre r ealis ee par des algorithmes tr` es ecaces (de la m eme famille que les algorithmes de factorisation LDU li es a ` l elimination de Gauss). Ici, on a donc A = Gn+1 et L = M T B 1/2 . Si on choisit dutiliser une base orthonormale, B = I et on a donc M = LT fournie par la factorisation; si on choisit de prendre les el ements T 1/2 diagonaux de M tous egaux a ` 1, M = L B , o` u B est la matrice des el ements diagonaux de L. Si lon veut absolument r ecup erer lexpression de la nouvelle base dans lancienne, il faut r esoudre b M = b, mais les applications vraiment utiles demandent bien M plut ot que n 1 M : ainsi, sil faut exprimer un vecteur v = 0 ci bi dans la nouvelle base, v = b[c0 , . . . , cn ]T = b M [c0 , . . . , cn ]T , le nouveau vecteur de coecients est bien M [c0 , . . . , cn ]T .
15 oct. 1875 31 ao ut 1918, commandant, directeur technique du service g eographique de larm ee fran caise. Ocier travailleur, ing enieux, r e echi,. . . , devra toutefois se m eer comme chef de service de eme quelque tendance a ` loriginalit e et au paradoxe. . . (Lt Col. Hergault, chef dE.M. de la 7` Arm ee, 24 oct. 1916). Cf. C. Brezinski: Andr e Louis Cholesky, rapport ANO 347, U.S.T.Lille I, 1995. Aussi dans Bull. Belg. Math. Soc.- Simon Stevin, suppl. au n de d ec. 1996, pp. 45-50.
5

MATH2171 2005-06 3 Approximation en moyenne quadratique 3. Polyn omes orthogonaux.

81

On applique maintenant ce qui pr ec` ede au cas o` u X est un espace pr ehilbertien de foncb

tions, muni dun produit scalaire du type (50) ou, plus g en eralement (53) : (f, g ) = et o` u V = Pn . 3.1. Construction dune base orthogonale de Pn .
a

f (x)g (x) d(x),

Lespace vectoriel de dimension nie Pn (de dimension n +1) contient une innit e de bases orthogonales. Ici, on se donne la contrainte suppl ementaire: degr e i = i, i = 0, 1, . . . , n, donc, en partant de x0 , x, . . . , xn : 0 (x) = 1 (x) = 1 x + 1 (0)

3.1.1. Moments, matrice de Hankel. Exprimons que

2 (x) = x2 + A2 x + 2 (0) n (x) = xn + An xn1 + + n (0) i (x) = i (0) + + Ai xi1 + xi

est orthogonal a ` 1, x, x2 , . . . , xi1 . On retrouve une matrice de Gram: i (0) (x0 , x0 ) + + Ai (xi1 , x0 ) i (0) (x0 , x1 ) + + Ai (xi1 , x1 ) i (0) (x0 , xi1 ) + + Ai (xi1 , xi1 )
b

+ (xi , x0 ) = 0 + (xi , x1 ) = 0 + + (xi , xi1 ) = 0

Soit (xi , xj ) = a xi+j d(x) =: i+j , moment6 dordre i + j (autour de 0) de d. Ces moments existent tant que i + j 2n, par hypoth` ese et la discussion Existence de lint egrale faite au point 1, p. 72. On a donc i (0) 0 0 1 i1 i i (0) 1 2 i 0 i+1 . = . , . (59) . . . A i i1 i 2i2 2i1 0 1 ee H syst` eme de i equations a ` i inconnues i (0), i (0), . . . , Ai . La matrice carr 0 1 i1 1 2 i Hi = i1 i 2i2
6La

(60)

est d enie positive : soit v = [v0 , v1 , . . . , vi1 ]T , avec au moins un des vj = 0, alors,
notion de moment se retrouve egalement en m ecanique et en probabilit es. Le moment dordre k autour b de x0 de d est a (x x0 )k d(x).

MATH2171 2005-06 3 Approximation en moyenne quadratique

i1 i1 i1 b i1 b i1 2

82

v T Hv =
p=0

vp
q =0

p+q vq =
p=0

vp
a q =0

vq xp+q

d(x) =
a p=0

v p xp

d(x) > 0

car le produit scalaire est d eni positif. On aura dailleurs reconnu la matrice de Gram de la base {bi = xi }n de P (cf. (54) p. 74). n 0 Lensemble des polyn omes de degr e i orthogonaux a ` Pi1 est donn e par {Ai i }, Ai = 0, (i (x) = xi + ).

Les polyn omes orthonormaux i = 1 sont donn es par Ai i tels que Ai i = |Ai | i = 1: i = A i i = i . i

Exemples. Des calculs simples, mais devenant vite un peu fastidieux, aboutissent a ` lexplicitation des i pour de petites valeurs de i:

degr e 0 1

i (x) 1 x 1 0

i (x) 1 0 1 x 0 2 2 1 0

x2

0 3 1 2 1 3 x+ 2 0 2 1 0 2

3 2 0 2 4 2 1 4 0 3 + 21 2 3 2 0 2 2 1 Table 1. Polyn omes orthogonaux de petits degr es.

2 2 2 1

x2

1 3 2 0 3 1 2 2 x + 2 2 0 2 1 0 2 1

On voit appara tre dint eressants d eterminants. . . 3.1.2. D eterminants. Ajoutons i (0) i (0) i . x . . = i (x) A 1
i

1 x . . . xi1

MATH2171 2005-06 3 Approximation en moyenne quadratique

83

a ` (59) pour obtenir un syst` eme de i + 1 equations a ` i + 1 inconnues, et extrayons linconnue 1 par formule de Cramer: 0 1 . . . i1 0 1 2 . . . i 0 i1 i . . . 2i2 0 1 x . . . xi1 i (x) 0 1 . . . i1 i 1 2 . . . i i+1 i1 i . . . 2i2 2i1 1 x . . . xi1 xi 0 1 . . . i1 i 1 2 . . . i i+1 i1 i . . . 2i2 2i1 1 x . . . xi1 xi

1=

soit:

. det H i Le num erateur est lin eaire en les el ements de la derni` ere ligne, donc, f , 0 1 1 2 i1 i (1, f ) (x, f ) ... i1 i ... i i+1 ... 2i2 2i1 . . . (xi1 , f ) (xi , f )

i (x) =

(i , f ) =

det H i

det H i+1 , det H i ce qui conrme dailleurs que det H i > 0 (la formule est valable a ` partir de i = 0 si on pose det H 0 = 1). (i , i ) = i
2

En particulier, (i , i ) = (i , xi + g ), avec g Pi1 , donc, (i , i ) = (i , xi ): =

Remarque. Si na que n points de croissance x1 , x2 , . . . , xn sur [a, b], on peut encore d eterminer n mais n = 0 (cest-` a-dire n (x) = (x x1 ) . . . (x xn )), car H n+1 nest que semi-d enie positive: il existe v = [v0 , . . . , vn ]T = 0 tel que H n+1 v = 0, les vj ne sont autres que les coecients de (x x1 ) . . . (x xn ) = n (x). 3.1.3. Relation avec la m ethode de Gram-Schmidt. On a appliqu e (58) (p. 79) a ` V = Pn i de base initiale bi = x , i = 0, 1, . . . , n. On cherche a ` construire une base orthogonale b i = i qui soit un r earrangement triangulaire de la base donn ee. On utilise les i a ` mesure quon les construit: 1) 0 = 1; 2) pour i > 0, supposons disposer de 0 , . . . , i1 , alors i doit etre une combinaison lin eaire i = i 0 + + i i1 + xi
(i)

(61)

MATH2171 2005-06 3 Approximation en moyenne quadratique orthogonale a ` 0 , . . . , i1 : donc, le coecient de j est 0 = (i , j ) = (i 0 + + i i1 + xi , j ) = i i

(ij ) (i) (ij )

84

+ (xi , j ) ,

(xi , j ) , j = 0, . . . , i 1. j 2 On acc` ede donc progressivement a ` tous les el ements de la nouvelle base. = On verra des algorithmes plus ecaces, bas es sur la relation de r ecurrence. Conclusion de cette partie. La d etermination dune base orthogonale de Pn nest quun exemple de construction de base orthogonale dun espace de dimension nie. Cette construction passe par lorthogonalisation dune base donn ee (m ethode de Gram-Schmidt) et revient a ` consid erer la factorisation de Cholesky de la matrice de Gram de la base initiale. Dans le b cas des polyn omes, et avec un produit scalaire de la forme (f, g ) = a f (x)g (x)d(x), si la base initiale est celle des mon omes de Pn , la matrice de Gram est constitu ee des moments i+j (matrice de Hankel). 3.2. Relation de r ecurrence. Le r esultat suivant est de la plus haute importance pour tout ce qui concerne lutilisation des polyn omes orthogonaux: Th eor` eme. Toute suite de polyn omes orthogonaux {0 , 1 , . . .}, i (x) = xi + , relatifs a ` b erie une relation de r ecurrence un produit scalaire de la forme (f, g ) = a f (x)g (x) d(x) v dordre deux: 2 n+1 (x) = (x n )n (x) n n1 (x) , n = 1, 2, . . . (62) avec 0 = 1 et 1 (x) = x 0 , (x n , n ) = n = n 2 n 2 2 = n = n1 2
b a

x 2 n (x)(x) d(x) 2 n (x)(x) d(x) ,

b a

n = 0, 1, . . . (63) n = 1, 2, . . .

b 2 n (x)(x) d(x) a b 2 n1 (x)(x) d(x) a

Si na que N < points de croissance sur [a, b], les relations de r ecurrence sont limit ees a ` 1 n N 1. En eet, eectuons la division du polyn ome n+1 de degr e n + 1 par n de degr e n, soit x n le quotient, et Rn le reste qui doit etre de degr e < n: soit Rn = n n1 + n n2 + , et formons un produit scalaire en multipliant a ` gauche par (1) n : 0 = (n (x), xn (x)) n (n (x), n (x)), ce qui donne n . (2) n1 : 0 = (n1 (x), xn (x)) + n (n1 (x), n1 (x)), que lon transforme encore en utilisant (n1 (x), xn (x)) = (xn1 (x), n (x)), et xn1 (x) = n (x) + (x) avec Pn1 , donc orthogonal a ` n : n = n 2 / n1
2

n+1 (x) = (x n )n (x) + n n1 (x) + n n2 (x) + ,

MATH2171 2005-06 3 Approximation en moyenne quadratique

2 not e n dans (62).

85

(3) nj avec j > 1: 0 = (nj (x), xn (x))+n (nj (x), nj (x)), or (nj (x), xn (x)) = (xnj (x), n (x)) et xnj (x) nest que de degr e n j + 1 < n, donc orthogonal a ` n , Rn na donc pas dautre composante non nulle que celle de n1 . Remarque. On a utilis e plusieurs fois dans la preuve la propri et e (f (x), xg (x)) = (xf (x), g (x)) = b xf (x)g (x)d(x). On a ainsi mis en evidence le caract` ere formellement autoadjoint de a lop erateur de multiplication par x pour ce type de produit scalaire. On reviendra sur cette notion. Si on choisit la suite tout aussi orthogonale {An n }, avec des constantes An = 0, la r ecurrence devient An+1 n+1 (x) = An+1 An+1 2 (x n )An n (x) An1 n1 (x) , An An1 n

(j )

Pour les polyn omes orthonormaux, An = 1/ n , de sorte que An /An+1 = n+1 / n = n+1 , par (63), et si on choisit de prendre n > 0, n+1 n+1 (x) = (x n )n (x) n n1 (x). (64)

3.3. Quelques algorithmes utilisant la r ecurrence. Voici, dans une syntaxe vaguement inspir ee de matlab, quelques echantillons de la souplesse et de la puissance des relations de r ecurrence. On suppose disposer des valeurs num eriques de i , i pour i = 0, 1, . . . , n: (1) Acc eder a ` la valeur num erique de n (x): p = 1; q = x 0 ; for i = 1 : 1 : n 1; r = (x i )q i2 p; %ici, p = i1 (x), q = i (x), r = i+1 (x) p = q ; q = r; end; La r eponse est r . (2) Eectuer la somme s = n i=0 ci i (x): (a) Forme progressive: on ajoute laccumulation des sommes partielles a ` lalgorithme pr ec edent: p = 1; q = x 0 ; s = c0 + c1 q ; for i = 1 : 1 : n 1; r = (x i )q i2 p; %ici, p = i1 (x), q = i (x), r = i+1 (x) s = s + ci+1 r ; p = q ; q = r; end;

MATH2171 2005-06 3 Approximation en moyenne quadratique (b) Forme r egressive: on ecrit (62) jusque n , suivi de lexpression de s: 0 0 x 0 1 2 1 (x) 0 x 1 1 1 . . = . . ... ... ... R = se : . . 2 n1 x n1 1 n1 (x) 0 c0 c1 ... cn1 cn n (x) s

86

et on multiplie par le vecteur ligne = [s0 , s1 , . . . , sn ] avec sn = 1, et toutes les 2 composantes de R egales a ` 0, sauf la premi` ere, alors, s = (x 0 )s0 1 s1 + c 0 : q = 0; r = 0; for i = n : 1 : 0; p = (x i )q i2+1 r + ci ; % ici, p = si1 , q = si , r = si+1 r = q ; q = p; end; s = p; (3) Acc eder a ` la valeur num erique de la d eriv ee n (x): il sut de d eriver (62) pour con2 struire la r ecurrence (non homog` ene) des d eriv ees n+1 (x) = (xn )n (x)n n1 (x)+ n (x) p = 1; q = x 0 ; p1 = 0; q 1 = 1; for i = 1 : 1 : n 1; r = (x i )q i2 p; %ici, p = i1 (x), q = i (x), r = i+1 (x) r 1 = (x i )q 1 i2 p1 + q ; %ici, p1 = i1 (x), q 1 = i (x), r 1 = i+1 (x) p = q ; q = r; p1 = q 1; q 1 = r 1; end; La r eponse est r 1. n i (4) R earranger n i=0 ci i (x) = i=0 ai x . (a) Passer des ai aux ci : on constitue progressivement la somme par les di erentes etapes du sch ema de Horner s = xs + ai , i = n, n 1, . . . (Hamming) en utilisant la r ecurrence (62) sous la forme x i (x) = i+1 (x) + i i (x) + i2 i1 (x): cn+1 = 0; cn+2 = 0; for i = n : 1 : 0; % ici, ci+1 0 + + cn ni1 = ai+1 + + an xni1 2 ci = ai + 0 ci+1 + 1 ci+2 ; for j = 1 : 1 : n i ; 2 ci+j = ci+j + j ci+j +1 + j +1 ci+j +2 ; end ; end; for i = 0 : 1 : n; ai = ai /Ai ; end ; (b) Passer des ci aux ai : on reprend les si du point 2b ci-dessus, en constatant que si est un polyn ome de degr e n 1 i, i = n 1, n 2, . . . , 1: % polynome dans la base xn x(n-1) ... 1 r=zeros(1,n+1);r(n+1)=c(n+1); if n>0

MATH2171 2005-06 3 Approximation en moyenne quadratique

87

q=zeros(1,n+1);q(n)=r(n+1); q(n+1)=-alpha(n)*r(n+1)+c(n);p=zeros(1,n+1); for i=n-1:-1:1 p(i:n)=q(i+1:n+1);p(n+1)=0; % coecients de xsi1 (shift) p=p-alpha(i)*q-beta2(i+1)*r;p(n+1)=p(n+1)+c(i); % p contient maintenant les coecients de si2 (alpha(i) vaut i1 etc.) r=q;q=p; end; r=q; end; a=r; On voit limportance de la r ecurrence dans tout traitement num erique li e aux polyn omes orthogonaux. Encore faut-il conna tre les coecients de la r ecurrence. . . ` partir de la fonction de poids (ou densit A e) w , ou de la fonction croissante , on peut construire7 les coecients n et n de (62) soit par des m ethodes de type Stieltjes, o` u on evalue n et n par (63) a ` partir de valeurs num eriques de n (elles-m emes obtenues par exploitation de la r ecurrence jusquau degr e n) en utilisant une formule dint egration num erique (ou une evaluation exacte si est une fonction en escalier), des m ethodes de type Tchebyche, o` u on manipule des int egrales d enies (en b k partant des moments k = a x d(x), ou, mieux encore, de moments modi es8 b p (x) d(x) avec des polyn omes pk bien choisis. a k Voici lalgorithme le plus primitif de cette famille, on construit les int egrales b b k,m := a xk m (x) d(x) en partant de k,0 = k , k = 0, 1, . . . , 2n, k,1 = a xk (x 0 ) d(x) = k+1 0 k , k = 0, 1, . . . , 2n 1, o` u 0 = 1 /0 . Ensuite:
b

k,m+1 =
a b

xk m+1 (x) d(x)

2 xk [(x m ) m (x) m m1 (x)]d(x),

=
a

(par (??))

2 = k+1,m m k,m m k,m1

Programmes matlab: voir MATLAB SUITE FOR GENERATING ORTHOGONAL POLYNOMIALS http://www.cs.purdue.edu/archives/2002/wxg/codes/OPQ.html
Gautschi, On generating orthogonal polynomials, SIAM J. Sci. Stat. Comput. 3 (1982) 289-317. probl` eme de la d etermination de n et n (constantes de Lanczos) en fonction des moments b k = a xk d(x) (constantes de Schwarz) est mal conditionn e si n est grand. Pour une synth` ese r ecente sur la question, cf. W. Gautschi, Algorithm 726. ORTHPOL: a package of routines for generating orthogonal polynomials and Gauss-type quadrature rules, ACM Trans. Math. Soft. 20 (1994) 21-62.
8Le 7W.

pour k = 0, 1, . . . , 2n m 1, et on sarr ete quand m = n. Il faut conna tre m et m ! Lastuce est de remarquer que k,m = 0 si m > k par orthogonalit e. On commence 2 en fait en k = m 1, o` u on a: m,m m m1,m1 , ce qui donne m . Ensuite, en 2 k = m, 0 = m+1,m m m,m m m1,m1 , do` u m .

MATH2171 2005-06 3 Approximation en moyenne quadratique

88

On aurait pu obtenir ces informations par les algorithmes g en eraux dorthogonalisation (Gram-Schmidt, Cholesky), mais la factorisation de Cholesky dune matrice dordre n co ute 3 2 n /6 op erations, alors que ce que lon vient de voir ne repr esente que n op erations. Ces simplications, dont on ne comprend pas tr` es bien lorigine9 semblent dues a ` une association favorable du caract` ere polynomial des fonctions de base et du type de produit scalaire utilis e. Exemple: polyn omes de Legendre sur [a, b]. Prenons w (x) = 1 (donc (x) = x+ b constante ) sur un intervalle born e [a, b]. On a k,0 = k = a xk dx = (bk+1 ak+1 )/(k + 1), 0 = 1 /0 = (a + b)/2, k,1 = k+1 0 k = [k (bk+2 ak+2 ) (k + 2)ab(bk ak )]/(2(k + 1)(k + 2)). Apr` es quelques calculs p enibles (on aurait mieux fait de prendre pk (x) = (x a)k k 2 ou pk (x) = (x (a + b)/2) ), on trouve 1 = 2 = = (a + b)/2, 1 = (b a)2 /12, 2 2 = (b a)2 /15, on verra plus loin la formule donnant n dans ce cas. . . Algorithme quotient-di erence (qd) de Rutishauser-Stiefel. Voici un algorithme beaucoup plus subtil reliant les moments (constantes de Schwarz) aux coecients de la r ecurrence (constantes de Lanczos). Pour eviter des divisions par z ero, partons des moments par rapport a ` a: k := alors les colonnes successives du tableau
(1) (0) q1 (0) (a) b a

(x a)k d(x), k = 0, 1, . . . On construit

(a) (a)

e0 = 0 e0 = 0 e0 = 0
(4) e0 (3) (2)

q1

(1)

e1

par q1 := k+1 /k , k = 0, 1, . . . et les r` egles du losange q2

(0) n) (n+1) (n) e( qm + em1 , m := qm (n+1) (0)

(k )

e1 q1
(2)

(1)

e2 q2
(1)

.. .. ..

. .

e1 q1
(3)

(2)

e2 q2 . . .
(2)

(1)

em pour m = 1, 2, . . . , n = 0, 1, . . .

(n) qm+1

:=

em

(n+1) (n)

(n+1) qm ,

(65)

=0

Explication10: soit k,n le polyn ome orthogonal monique de degr e k par rapport a ` (x a)n d(x) sur (n+1) (n) (a, b) (polyn omes de Hadamard ). k k est 1) de degr e k 1; 2) orthogonal a ` Pk2 par rapport (n+1) (n) (n+1) (n+1) (n) (n) (n+1) n+1 a ` (x a) d(x), donc k k = une constante fois k1 , soit k k = ek k1 .
(n) k+1 (x) (n) que qk

. . . . . . . . . . (0) (0) (0) (0) 2 = ek qk , k = 1, 2, . . . Alors, k = a + qk+1 + ek , k = 0, 1, . . . , k

. . .

(3) e1

(2) e2

k+1 (x) (x a)k =

(n)

(n+1)

est 1) de degr e

On retrouve la forme de la r ecurrence des k : 0 = k+1 (x a)k

(n) (n) (n+1)

(n+1) (x a)k = une (n) (n) k (a)/k1 (a).

constante fois k , soit k+1 (x) (x a)k

(n)

k ; 2) orthogonal a ` Pk1 par rapport a ` (x a)n d(x), donc

(n) (n) (n+1) (n) (n)

= qk+1 k . Remarquons

+ qk+1 k + ek
(n) (n) (n)

(n)

(n)

(n)

k (x a)k1 + qk k1 :
(n) (n) (n)

(n)

(n+1)

(n)

(n)

k+1 (x) = x a qk+1 ek

9Pour
b [f (x)g (x)d1 (x) a

k (x) ek qk k1 (x).

les polyn omes orthogonaux relativement a ` un produit scalaire de Sobolev (f, g ) = + f (x)g (x)d2 (x)], on ne conna t rien de tel. . . 10Reprise de P. Henrici, Applied and Computational Complex Analysis, vol. 1, Wiley, 1974, 7.6, 7.7.

MATH2171 2005-06 3 Approximation en moyenne quadratique

Pour retrouver les formules du losange, formons les produits scalaires (k , k1 )n+1 = ek
(n) (n) (n+1) (n+1) (n) (n) (n) (n) (n) (n+1) (n)

89
k 1
(n+1) 2 n+1 , (n) 2 k n . On

2 ou ek = k 2 , k )n = qk+1 k 2 n / k1 n+1 ; ((x a)k n , ou qk+1 = k retrouve dabord ainsi la deuxi` eme r` egle (65). (n+1) On retrouve les deux r` egles (65) en formant la r ecurrence des k

(n+1) 2 n+1 /

0 = k+1 k+1 + ek+1 k

(n+1) k+1 (x)

(n+1)

(n)

(n)

(n+1)

+ qk+1 k

(n)

(n+1)

= (x a

(n) qk+1

(n) (n+1) ek+1 )k (x)

k + ek k1

(n)

(n)

(n+1)

(n) (n) (n+1) ek qk+1 k1 (x).

Exercice. Montrez que (a + y 2 ), 2k+1 (y ) = y k,n+1 (a + y 2 )} les polyn omes {2k (y ) = k,n sont orthogonaux sur b a, b a par rapport a ` y 2n d[sign y ((a + y 2 ) (a))]. (n) (n) 2 2 2 Et on a la r ecurrence m+1 (y ) = y m (y ) m m1 (y ), avec 2 k = ek , 2k +1 = qk +1 . Exemples: polyn omes de Legendre sur [a, b]. (b a)k+1 (k ) . q1 = (b a)(k + k+1 a (k ) (k ) (k ) 1)/(k + 2), e1 = (b a)/((k + 2)(k + 3)), q2 = (b a)(k + 2)2 /((k + 3)(k + 4)), e2 = (k ) 4(b a)/((k + 4)(k + 5)), q3 = (b a)(k + 3)2 /((k + 5)(k + 6)), etc.: (k ) (k ) qn = (b a)(k + n)2 /((k + 2n 1)(k + 2n)), en = n2 (b a)/((k + 2n)(k + 2n + 1)), n2 (b a)2 2 n = (a + b)/2, n = . 4(4n2 1) Reprenons lexemple pr ec edent: k =
(a) b

(x a)k dx =

Polyn omes de Laguerre Ln . a = 0, b = , d(x) = x e . k =

x 0

()

xk+ ex dx = (k + + 1). q1
(k ) (k )

(k )

= (k + +

2 2)/(k + +1) = k + +1. On montre facilement qn = k + +n, en = n, n = +2n+1, n = n( + n).

Polyn omes dHermite Hn . Densit e ex sur (, ). Dapr` es lexercice pr ec edent, y 1 2 (1/2) 2 et dt, y 0, donc d(x) = x1/2 ex , H2n (y ) = Ln (x = y 2 ) = (y ), H2n+1 (y ) = 2 0 (1/2) 2 yLn (y 2 ), n = 0, n = n/2. 3.4. Z eros des polyn omes orthogonaux. Un polyn ome de degr e n a au plus n z eros r eels. Les choses sont beaucoup plus pr ecises pour les polyn omes orthogonaux: Th eor` eme.Toute fonction continue de norme > 0, orthogonale a ` Pn1 selon un produit b scalaire (f, g ) = a f (x)g (x)d(x), o` u a au moins n points de croissance sur [a, b], doit admettre au moins n changements de signe sur lintervalle ouvert (a, b). En particulier, le polyn ome orthogonal de degr e n a n z eros simples dans (a, b). En eet, supposons que f ne change de signe quaux points a < x1 < . . . < xk < b avec k < n. Pour xer les id ees, soit f (x) 0 pour xk < x < b, f (x) 0 pour xk1 < x < xk , etc. Alors, on aurait f (x)p(x) 0 sur tout [a, b], avec p(x) = (x x1 ) . . . (x xk ) P n1 , donc b f (x)p(x) d(x) = 0 avec f (x)p(x) 0: f p devrait etre nulle en chaque point de croissance a de f devrait etre nulle en chacun de ces points (f (x)p(x) = 0 f (x) = 0 si p(x) = 0 et nous savons que f (x) = 0 si p(x) = 0), et on aurait f = 0.
Exercice. Montrez que, si le support de est constitu e de plusieurs composantes connexes, n poss` ede au plus un z ero simple dans tout intervalle s eparant deux de ces composantes connexes.

MATH2171 2005-06 3 Approximation en moyenne quadratique

90

En eet, si n poss edait deux z eros ( eventuellement confondus) xi et xi+1 dans un tel intervalle, n serait n (x) , donc, orthogonal au polyn ome (x xi )(x xi+1 ) 0=
S

n (x)

n (x) d(x) = (x xi )(x xi+1 )

2 n (x) d(x), (x xi )(x xi+1 )

impossible, puisque (x xi )(x xi+1 ) est positif dans S (ce produit nest n egatif que dans lintervalle [xi , xi+1 ] situ e hors du support S ).

Th eor` eme.Les z eros de n+1 sont s epar es par ceux de n , cest-` a-dire que les z eros x1,n < . . . < xn,n de n et les z eros x1,n+1 < . . . < xn+1,n+1 de n+1 v erient a < x1,n+1 < x1,n < x2,n+1 < . . . xn,n+1 < xn,n < xn+1,n+1 < b. En eet11, prenons dabord n = 1. Par la r ecurrence (62), 2 est n egatif au z ero x1,1 de 1 , puisque 0 = 1 > 0, et 2 est positif en a et b, puisque 2 (x) = x2 + est positif quand x est grand et que 2 ne peut plus changer de signe quand x > b ou x < a. Donc, 2 doit avoir un z ero entre a et x1,1 et un autre z ero entre x1,1 et b. n1 n x

Ensuite, avec le choix de lunit e pour le coecient

n

de x : n (x) = x + =

posons que les z eros de n s eparent ceux de n1 b et montrons que les z e ros de n+1 s eparent bien n+1 > 0 xn,n ceux de n . Partons de b: n+1 (b) > 0 puisque n+1 < 0 n+1 (x) = xn+1 + est le produit des x xn+1,k xn,n1 n+1 > 0 tous positifs d` es que x > xn+1,n+1 ; n+1 (xn,n ) < 0 puisque n1 est encore positif (xn1,n1 < xn,n ) et que n+1 et n1 ont 2 des signes oppos es aux z eros de n (par la r ecurrence (62), n+1 (x) = n n1 (x) si n (x) = 0), donc n+1 a au moins un z ero entre xn,n et b; n+1 (xn1,n ) > 0 car n1 a chang e de signe entre xn1,n et xn,n , donc n+1 a au moins un autre z ero entre xn1,n et xn,n ; etc. On trouve ainsi n + 1 intervalles (a, x1,n ), (x1,n , x2,n ), . . . (xn1,n , xn,n ), (xn,n , b) o` u n+1 de degr e n + 1 doit sannuler, il y a donc exactement un z ero dans chacun de ces intervalles. Autre d emonstration: n+1 /n est une fonction croissante entre deux asymptotes. En 2 n eet, vrai si n = 0; ensuite, par la r ecurrence (62), n+1 (x)/n (x) = x n n (x)/n1 (x) a donc un z ero entre deux z eros de n (p oles). Exemple. Z eros de quelques polyn omes de Legendre sur [a, b]. Rappelons quon a trouv e 1 (x) = x (a + b)/2, 2 (x) = [x (a + b)/2]1 (x) (b a)2 /12 = [x (a + b)/2]2 (b a)2 /12, 3 (x) = [x (a + b)/2]2 (x) 1 (x) (b a)2 /15 =
les experts: {n+1 , n , . . . , 0 } est une suite de Sturm. Voir aussi plus loin, 3.5, p. 91, la m eme propri et e des valeurs propres dune matrice tridiahgonale.
11Pour

k =1

(x xn,k ), sup-

MATH2171 2005-06 3 Approximation en moyenne quadratique [x (a + b)/2]{[x (a + b)/2]2 3(b a)2 /20}: 1 2 3 ba a+b 2 20/3 a+b ba 2 12

91

a+b 2

a+b 2

a+b ba + 2 12

a+b ba + 2 20/3

3.5. Z eros de polyn omes orthogonaux et valeurs propres de matrices tridiagonales sym etriques. Prenons maintenant les polyn omes orthonormaux, et r e ecrivons la r ecurrence (64) sous la forme 0 0 (x) 0 (x) 0 1 1 (x) 0 1 (x) 1 1 2 . . . . . . = x . . . .. .. .. . . . (66) 0 n2 (x) n2 (x) n2 n2 n1 n n (x) n1 (x) n1 (x) n1 n1 T n n (x) = xn (x) n n (x). Les z eros de n sont donc les valeurs propres de la matrice tridiagonale sym etrique r eelle T n . Ceci est tr` es utile pour le calcul (et la th eorie) des spectres de matrices sym etriques r eelles car on peut toujours ramener une telle matrice par un nombre ni de similitudes orthogonales simples a ` une matrice tridiagonale. Rappel. Matrices orthogonales et unitaires. Une matrice orthogonale est une matrice carr ee A qui v erie AAT = AT A = I . Les lignes dune telle matrice sont donc de norme unit e et sont orthogonales entre elles. Les colonnes dune telle matrice sont donc de norme unit e et sont orthogonales entre N elles (au sens de lorthogonalit e des vecteurs de R : (, ) = T = N k =1 k k ). Une matrice unitaire est une matrice carr ee A qui v erie AAH = AH A = I . Les lignes dune telle matrice sont donc de norme unit e et sont orthogonales entre elles. Les colonnes dune telle matrice sont donc de norme unit e et sont orthogonales entre N elles (au sens de lorthogonalit e des vecteurs de C : (, ) = H = N k =1 k k ). Toute matrice sym etrique r eelle est diagonalisable par similitude orthogonale r eelle: Les colonnes de V forment une base orthonormale (au sens de RN ) de vecteurs propres de A. Toute matrice hermitienne est diagonalisable par similitude unitaire: A = AH A = V V 1 , V 1 = V H . A = AT A = V V 1 , V 1 = V T .

MATH2171 2005-06 3 Approximation en moyenne quadratique

92

Les colonnes de V forment une base orthonormale (au sens de CN ) de vecteurs propres de A.
eme eme Soit xj,n le j ` z ero de n . Par (66), la j ` colonne de V a pour composantes Kj 0 (xj,n ), Kj 1 (xj,n ), . . . Kj n1 (xj,n ), o` u Kj est tel que la somme des carr es de ces composantes soit n1 2 1/2 egale a 1: Kj = [ k=0 k (xj,n )] . L el ement i, j de V est donc

vi,j =

i (xj,n )
n1 k =0

2 k (xj,n )

i = 0, . . . , n 1, , j = 1, . . . , n.

Exprimons maintenant que les lignes de V sont orthonormales (au sens de Rn ): Th eor` eme. Les polyn omes orthonormaux 0 , 1 ,. . . ,n1 selon un produit scalaire (f, g ) = b f (x)g (x)d(x), o` u a au moins n points de croissance sur [a, b], sont egalement orthonora maux selon le produit scalaire discret
n

(f, g )n =
j =1

wj,n f (xj,n )g (xj,n) ,

o` u x1,n ,. . . , xn,n sont les z eros de n , et les poids wj,n sont wj,n =
n1 k =0

1 , 2 k (xj,n )
n

j = 1, . . . , n.

En eet, lorthonormalit e (dans Rn ) des lignes de V donne bien

n

vi1 ,j vi2 ,j =
j =0 j =1

i1 (xj,n )i2 (xj,n ) = i1 ,i2 , n1 2 k =0 k (xj,n )

pour 0 i1 , i2 n 1. Voici une tr` es importante application de cette th eorie: 3.6. Formules dint egration de Gauss. Premi` ere approche. Dapr` es le th eor` eme pr ec edent, le produit scalaire initial ne se distingue pas du produit scalaire discret a ` n points tant quon se contente deectuer des produits scalaires d el ements de Pn1 entre eux. Comme le produit scalaire utilise le produit des deux fonctions consid er ees, b le produit scalaire discret permet le calcul exact dint egrales a f (x) d(x) = (f, 1) pour f P2n2 , en fait P2n1 : soit f un polyn ome de degr e 2n 1, divisons le par n , et d eveloppons le quotient et le reste (tous deux dans Pn1 ) dans la base {0 , . . . , n1 }: f = [0 0 + + n1 n1 ] n + 0 0 + + n1 n1 , (f, 1) = 0 (0 , n ) + + n1 (n1 , n ) + (f, 1)n = 0 (0 , n )n + + n1 (n1 , n )n + 0 (0 , 0 ) + + n1 (n1 , 0 ) 0 = , 0 0

0 (0 , 0 )n + + n1 (n1 , 0 )n 0 = , 0 0 les deux int egrales co ncident donc, les produits scalaires etant egaux dans les deux cas (les produits scalaires originaux de n et dun polyn ome de degr e n 1 sont nuls par orthogonalit e, les produits scalaires discrets de n et de nimporte quelle fonction sont nuls parce que

MATH2171 2005-06 3 Approximation en moyenne quadratique tous les n (xj,n ) = 0). On a donc
b n

93

f P2n1 ,

f (x)d(x) =
a b j =1

wj,n f (xj,n ).

Inversement, si on se propose dapprocher a f (x)d(x) par une somme pond er ee n j =1 Hj f (xj ), la formule devant etre exacte pour des polyn omes de degr e aussi elev e que possible (degr e de pr ecision de la formule ), on retrouve la m eme formule. Comme il y a 2n param` etres H 1 ,. . . , Hn et x1 , . . . , xn a ` d eterminer, on peut esp erer r ealiser un degr e de pr ecision de 2n 1, puisquil y a 2n coecients dans un polyn ome de degr e 2n:
b n

f P2n1 , Exprimons cela pour f (x) = 1, x, . . . , x 0 1 2 2n1 = = = H1 H 1 x1 H 1 x2 1 n1 = H 1 x2 1

f (x)d(x) =
a 2n1 j =1

Hj f (xj ).

: + + + + + + + Hn H n xn H n x2 n n1 + H n x2 n

+ + +

H2 H 2 x2 H 2 x2 2 n1 + H 2 x2 2

Redoutable (apparemment) syst` eme de 2n equations non lin eaires pour les 2n inconnues H1 ,. . . ,Hn , x1 , . . . , xn . (n1) (n) Soit An xn + An xn1 + + An x + An un polyn ome dont les z eros sont les inconnues (n) (n1) x1 ,. . . , xn , et multiplions une des equations pa An , la suivante par An , etc. (m ethode de Prony12) et sommons:
n n) (n1) A( +1 + + An +n = n + An n) (n1) Hj xj [A( xj + + A n xn n + An j ] = 0,

j =1

op eration que lon peut eectuer pour = 0, 1, . . . , n 1: nous obtenons exactement le syst` eme lin eaire homog` ene (59) avec i = n: les xj sont donc les z eros xj,n de n ! Pour les Hj , on applique la formule dint egration a ` i :
n b

Hj i (xj,n ) =
j =1 a

i (x) d(x) =

0 i,0 ,

i = 0, . . . , n 1

Mettons en evidence les el ements vi,j de V :

n n1

Hj
j =1 k =0

2 k (xj,n ) vi,j =

0 i,0 ,

i = 0, . . . , n 1

n1 2 donc, les Hj ere colonne de V 1 , qui el ements de 0 fois la premi` k =0 k (xj,n ) sont les est aussi la premi` ere ligne de V , V etant orthogonale. Finalement: 1 2 Hj = 0 v 0 , j = 1, 2, . . . , n ,j = n1 2 k =0 k (xj,n )
12Gaspard

Clair Francois Marie Riche, baron de Prony, 1755-1839.

MATH2171 2005-06 3 Approximation en moyenne quadratique

94

Les xj et Hj sobtiennent donc a ` partir des valeurs et vecteurs propres de la matrice tridiagonale T n (algorithme de Golub & Welsch13.) Exemple: quelques formules de Gauss-Legendre. On calcule ais ement les formules pour n = 1, 2 et 3: (b a)f ba f 2 5(b a) f 18 a+b ba 2 12 +f a+b 2 +f , a+b ba + 2 12 + , a+b 2 .

ba a+b 2 20/3

ba a+b + 2 20/3

4(b a) f 9

Cette formule est evidemment surtout utilis ee comme formule dint egration approch ee pour estimer des int egrales d enies de fonctions non polynomiales, ce qui sera discut e plus 2 ` 1,2,. . . 30 points: loin. Mais voici un echantillon, l evaluation de 1 x1 dx avec des formules a 1 2 3 4 5 6 7 8 9 10 ... 15 20 25 30 31 0.6666666666666666666666666666666666666666666... 0.6923076923076923076923076923076923076923076... 0.6931216931216931216931216931216931216931216... 0.6931464174454828660436137071651090342679127... 0.6931471578530402059813824519706872648049118... 0.6931471798865279786405606852820113472021359... 0.6931471805400134518743042766974180037770983... 0.6931471805593561216771329329612392432031989... 0.6931471805599279082472626955838961065402593... 0.6931471805599447958100734473749544043869926... 0.6931471805599453094172206753728118939529066... 0.6931471805599453094172321214579224966600492... 0.6931471805599453094172321214581765680698696... 0.6931471805599453094172321214581765680755001... 0.6931471805599453094172321214581765680755001...

e tonnant, non?
3.7. Formule dint egration de Gauss et fractions continues. Hi d(x) est donc une approximation de F (z ) := , z xi,n S zx 1 transform ee de Stieltjes de d. Pas mal de fonctions tr` es importantes sont des transform ees de Stieltjes, ainsi, si d(x) = dx sur S = [a, b], F (z ) = log((z a)/(z b)). n (z ) n , Fn (z ) est une fonction rationnelle de z de d enominateur 1 (z xi,n ) = n (z ), on a donc Fn (z ) = n (z ) o` u n Pn1 . 2 On a (cf. (62), p. 84) la r ecurrence n+1 (x) = (x n ) n (x) n n1 (x). Quen est-il de n ? Soit S une partie de R, z / S , Fn (z ) :=
13G.H.
n

Golub, J.H. Welsch, Calculation of Gauss quadrature rules, Math. Comp. 23 (1969) 221230.

MATH2171 2005-06 3 Approximation en moyenne quadratique

Amor cons le d eveloppement en s erie de puissances de 1/z de F (z ) par F (z ) = 1 xp+1 /z p+1 xp+1 /z p+1 d(x) + d(x) z (1 x/z ) zx S S xp+1 x x2 xp 1 = + 2 + 3 + + p+1 d(x) + d(x) p+1 (z x) z z z z S z S 1 2 p 0 + 2 + 3 + + p+1 + O(z p2 ) = z z z z

95

Prenons p = 2n 1. Comme la formule de Gauss a ` n points appliqu ee a ` 1, x, . . . , x2n1 co ncide avec le 0 1 2 2n1 2n1 + 2 + 3 + + 2n + O(z ), on a moment 0 , 1 , . . . , 2n1 , on a aussi Fn (z ) = z z z z ou n (z )(F (z ) Fn (z )) = n (z )F (z ) n (z ) = O(z n1 ). Remarquons que 0 = 0. Examinons maintenant
2 n+1 (z )F (z ) n+1 (z ) (z n )[n (z )F (z ) n (z )] + n [n1 (z )F (z ) n1 (z )] 2 = [n+1 (z ) (z n )n (z ) + n n1 (z )]

F (z ) Fn (z ) = O(z 2n1 ),

quand n 1. Cette expression tend vers z ero (au moins aussi vite que z n ) quand z ; mais comme elle est aussi un polyn ome, elle doit etre nulle: les n v erient la m eme r ecurrence que les n ! Exercice. Montrez que, si n = Tn , et S = [1, 1], les Hi sont tous egaux a ` /n (formule de GaussTchebyche ), que F (z ) = (z 2 1)1/2 , n = Un1 .

2 On a donc m+1 (z ) m+1 (z ) (z m )[m (z ) m (z )] + m [m1 (z ) m1 (z )] = 0, m 1, quel que soit . En m = 0, on a 1 (z ) 1 (z ) (z 0 )[0 (z ) 0 (z )] = 1 = 0 . Choisissons = Fn (z ) = n (z )/n (z ) pour z x e hors de [a, b]. Soit m = Fn (z )m (z ) m (z ) et 2 m = m /m1 . On a donc m+1 (z m )m + m m1 = 0, m = 1, . . . , n 1. 2 n 1 En m = n 1, on a n = 0, donc n1 = , puis z n1

m =

2 m m 2 m m = 2m = = m1 m m1 (z m )m m+1

2 m

z m

2 m +1

z m+1

que ` partir de la r esolution de triangularisation par lon peut aussi voir a 0 0 z 0 1 2 1 0 1 z 1 1 edant aux eliminations a ` partir de la = . . en proc . .. .. .. . . . . . . . 2 0 n1 n 1 z n1 derni` ere equation. On a aboutit a ` une matrice bidiagonale triangulaire inf erieure dont les el ements diagonaux 2 sont m /m , m = 0, . . . , n 1.

Enn, en m = 0, 1 (z 0 )0 = 0 , donc 1 (z 0 ) = 0 /0 = 0 /Fn (z ), do` u 0 0 Fn (z ) = = 2 z 0 1 1 z 0 2 2 z 1 2 3 z 2 2 n .. 1 . z n1

2 m z m m+1

2 m +2 2 n .. 1 . z n1

MATH2171 2005-06 3 Approximation en moyenne quadratique

Peut-on donner un sens a ` z 0 0
2 1

96

comme limite de Fn (z ) quand n ?

2 2 .. . Th eor` eme de Marko. Si S [a, b], avec < a < b < , Fn (z ) tend vers F (z ) quand n , uniform ement en z dans tout compact de C \ [a, b]. En eet, comme la formule dint egration de Gauss a ` n points est exacte pour tout polyn ome de degr e 2n 1, soit p(x; z ) une approximation dans P2n1 de 1/(z x). n On a S p(x; z ) d(x) = 1 Hi p(xi,n ; z ), n 1 1 F (z ) Fn (z ) = p(x; z ) d(x) p(xi,n ; z ) . Hi z x z xi,n S 1

z 1

Soit 2n1 (z ) = (z x)1 p(x; z ) sur x [a, b] (nous savons que les xi,n [a, b]). Alors, |F (z ) n Fn (z )| 2n1 (z )[ S d(x) + 1 Hi ] = 20 2n1 (z ). n1 On estime 2n1 (z ) avec pr ecision par 2(b a)1 |( )1 2 ck Tk ( )| 2(b a)1 0 2n |ck | = 1 1 2 1 2n+1 8(b a) |(1 p) (1 p ) p |, o` u x = (a + b)/2 + (b a)/2, z = (a + b)/2 + (b a)/2, et p = ( 2 1)1/2 = (2z a b 2[(z a)(z b)]1/2 )/(b a) tel que |p| < 1 (cf. table p. 57: ck = 4pk+1 /(1 p2 ), o` u joue ici le r ole de c). Exercice. Montrez que F (z ) = = p(z ) = (2z a b 2[(z a)(z b)]1/2 )/(b a), avec 2 z 2 z .. . z a = 2 , b = + 2 , |p(z )| < 1 quand z C \ [a, b]. On a n (z ) = n Un , n (z ) = 2 n1 (z ), d(x) = [(b x)(x a)]1/2 /(2 ) sur S = [a, b]. Bien s ur, on saper coit bien formellement que 2 F (z ) = , donc que F (z ) est une racine de (z ) + = 0, mais il nest pas si simple z F (z ) de savoir laquelle choisir, ni quand la fraction continue converge.

3.8. Formule de Christoel-Darboux. Multiplions (66) a ` gauche par le vecteur ligne n (y )T = [0 (y ), . . . , n1 (y )]: n (y )T T n n (x) = xn (y )T n (x) n n1 (y )n (x), permutons x et y , et soustrayons:
n1

n (y ) n (x) =
i=0

i (x)i (y ) = n

n (x)n1 (y ) n (y )n1 (x) xy

On verra limportance de cette formule a ` propos des polyn omes noyaux . Si on fait tendre y vers x:
n1

i=0

i (x)2 = n [n (x)n1 (x) n (x)n1 (x)]

Exercice. Montrez que S =

k=0

Uk (x)Unk (y ) =

Un+1 (y ) Un+1 (x) . 2(y x)

MATH2171 2005-06 3 Approximation en moyenne quadratique

U0 (x) U0 (x) . . On multiplie 2x . . = T n+1 . . + Un (x) Un (x) 0 . . . Un+1 (x)

97

0 1 pour obtenir 2xS = T (x, y )+Un+1 (x) et on saper coit que T (x, y ) = [Un (y ), , U0 (y )] est sym etrique en x et en y .

` gauche par le vecteur ligne [Un (y ), , U0 (y )] a 1 0 .. . 1 .. . 1

U0 (x) . . .. . . Un (x) 0

3.9. Orthogonalit e et op erateurs (formellement) hermitiens. Les fonctions propres dop erateurs formellement hermitiens fournissent dint eressantes classes de fonctions orthogonales. Dabord, quelques d enitions: D enition. Un op erateur A dans un espace pr ehilbertien X (cest-` a-dire une application lin eaire d enie sur un sous-espace D de X et a ` valeurs dans X ) est formellement hermitien 14 si f, g D, (Af, g ) = (f, Ag ). (67)

Lexemple le plus simple est fourni par les matrices carr ees sym etriques sur RN , ou hermitiennes sur CN , munis du produit scalaire usuel. Et voici o` u appara t lorthogonalit e: Propositions. Les valeurs propres dun op erateur formellement hermitien sont r eelles. Deux vecteurs propres dun op erateur formellement hermitien correspondant a ` deux valeurs propres di erentes sont orthogonaux. Ce ne sont l` a que deux tout petits fragments de la th eorie spectrale des op erateurs: si 2 2 Af = f , (Af, f ) = f = (f, Af ) = f ; si f et g sont deux vecteurs propres de A correspondant aux deux valeurs propres et , (Af, g ) = (f, g ) = (f, Ag ) = (f, g ), do` u (f, g ) = 0 si = .
b

Proposition. Soit w une densit e sur (a, b), et le produit scalaire (f, g )w = Lop erateur di erentiel du second ordre L = p(x)
a

f (x)g (x) w (x) dx.

d2 d + q (x) + r (x) (68) 2 dx dx est formellement hermitien sur tout sous-espace de C 2 (a, b) de fonctions v eriant (f, f )w < et lim p(x)w (x)f (x) = 0 si
xa,b x(a,b)

w (x) q (x) p (x) d(p(x)w (x) ) = q (x) w (x) , ou = dx w (x) p(x)

14Pour

a < x < b.

(69)

avoir le droit d etre appel e hermitien, un op erateur doit avoir un domaine de d enition D dense dans un espace de Hilbert s eparable [on verra cela plus loin] et v erier (67). La th eorie spectrale des op erateurs ements danalyse, II, Gauthierhermitiens pr epare celle des op erateurs autoadjoints (Cf. J. Dieudonn e, El Villars, 1969, 15.13). La relation entre formellement hermitien et autoadjoint est un peu la relation quil y a entre pr ehilbertien et hilbertien . . . On y reviendra plus tard.

MATH2171 2005-06 3 Approximation en moyenne quadratique En eet,

b

98

(Lf, g )w =
a b

[pf + qf + rf ]gw dx = [pgwf ]a + f [pg + qg + rg ]w dx = [f pwg ]a +

b

b a b a

{[(pw ) + qw ]gf pwg f + rf g }dx {[(pw ) + qw ]f g pwf g + rf g }dx

(f, Lg )w =
a

sont egaux si (69) est vrai, et si f (x)p(x)w (x) et g (x)p(x)w (x) tendent vers 0 quand x a ou b. Remarques: si w = 1, Lf s ecrit commod ement (pf ) + rf (70) (op erateur de Sturm-Liouville ) 15 . En g en eral, on a ici wLf = (wpf ) + wrf . Un op erateur de Sturm-Liouville est dit singulier si w (a)p(a) = w (b)p(b) = 0. Les conditions dannulation aux limites sont alors automatiquement v eri ees si le domaine de d enition de lop erateur est restreint aux fonctions contin ument d erivables sur [a, b]. Tout op erateur de Sturm-Liouville fournit donc automatiquement des fonctions propres orthogonales tr` es utiles (nombreux exemples en physique et en m ecanique). Les cas o` u on retrouve des polyn omes sont parfaitement circonscrits: 3.10. Polyn omes orthogonaux classiques. Th eor` eme de Bochner16. Une famille de polyn omes orthogonaux {n } 0 est lensemble des fonctions propres dun op erateur de la forme (68) seulement dans les trois cas suivants (polyn omes orthogonaux classiques): p(x) (x a)(b x) xa C (b x) (x a) , C (x a) eAx ,
2

w (x) a < x < b; , > 1 > 1, si A > 0 > 1, si A < 0

nom Jacobi Laguerre

a < x < ;

, < x < a;

1 CeAx Bx , < x < ; A>0 Hermite Les polyn omes n sont alors des solutions particuli` eres des equations di erentielles lin eaires du second ordre p(x)n (x) + q (x)n (x) + r n (x) = n n (x) (71) 17 o` u p P2 , q P1 , r = constante.
on appelle parfois formellement autoadjoints des op erateurs di erentiels simplement donn es par une formule de type (70) sans autre pr ecision quant au domaine de d enition. 16S. Bochner, Uber Sturm-Liouvillesche Polynomsysteme, Math. Zeit. 29 (1929) 730-736, cit e, ainsi que E.J. Routh, On some properties of certain solutions of a dierential equation of the second order, Proc. London Math. Soc. 16 (1885) 245-261, par W.A. Al-Salam, Characterization theorems for orthogonal polynomials, pp. 1-24 in Orthogonal Polynomials: Theory and Practice, (P. Nevai, ed.), NATO ASI Series C: Math. and Phys. Sci. 294, Kluwer, 1990. 17Exercice: en fait, q est de degr e exact 1! (A. Ronveaux)
15Attention,

MATH2171 2005-06 3 Approximation en moyenne quadratique

99

D emonstration. Nous savons d ej` a que les fonctions propres de (68) sont orthogonales selon ( , )w si w v erie (69). Que peut-on dire de p, q et r ? Ne consid erons que 0 , 1 et 2 : 0 P 0 r 0 = 0 0 r P 0 , 1 P 1 q 1 + r 1 = 1 1 q P 1 , 2 P2 p2 + q 2 + r 2 = 2 2 p P2 . (N.B. n doit etre de degr e exact n). Discutons (69): (1) p a deux z eros distincts a et b. Le d eveloppement du membre de droite de (69) en fractions simples donne /(x b) + /(x a ), do` u w (x) = constante (x b) (x a ) . La densit e w doit etre de signe constant dans (a, b), et il faut p(x)w (x) 0 quand x a ou b, do` ua = a et b = b, et aussi et > 1. Ces deux derni` eres in egalit es assurent dailleurs lexistence de moments nis. (2) p a un z ero double: on ne trouve pas dintervalle dorthogonalit e dans ce cas18. (3) p est du premier degr e. On a alors (q p )/p = A + /(x a ), donc w (x) = constante (x a ) exp(Ax). Signe constant de w et lim pw = 0 en a et b a = a et b = +) si A > 0, lintervalle dorthogonalit e est (, a) si A < 0. (4) p est constant. Alors, soit (q p )/p = 2Ax B : w (x) = constante exp(Ax2 Bx) sur (, ). A doit etre strictement positif. En examinant la contribution de xn a ` (71), on obtient n = p n(n 1) + q n + r. 2 (72)

Suite de la d emonstration. Jusquici, on na encore trouv e que trois fonctions propres 0 , 1 et 2 . Si on dispose de n de degr e n tel que n soit fonction propre de (71), montrons comment construire une nouvelle fonction propre n+1 par n+1 = pn + sn n , (73) 19 o` u sn est un polyn ome de degr e 1, en adaptant une technique de Darboux , que lon pr esente actuellement comme suit: si on arrive a ` factoriser un op erateur di erentiel R comme produit de deux op erateurs di erentiels R = M N , alors, si y est une fonction propre de R: Ry = y , N y est une fonction propre de N M , de m eme valeur propre . En eet (et cela para t presque trop simple), M N y = y N M N y = N M (N y ) = N y ! La premi` ere id ee serait de factoriser L, puisque n est une fonction propre de L (de valeur propre n ), mais cela naboutit pas. Ce qui marche, cest de (presque) factoriser p(L n ): M n Nn y = p d + n dx p d + n dx y = p2 y + p(p + n + n )y + (pn + n n )y = p(L n )y n y, (74)

si n + n = q p et pn + n n = p(r n ) n , o` u n est une constante encore inconnue, tout comme les coecients de n et n P1 sont encore inconnus. On a une equation de Riccati pour n a ` r esoudre 2 dans P1 : pn + (q p )n n = p(r n ) n . Coecients de x2 : equation du second degr e pour n : p n /2 + (q p )n (n )2 = p (q n n(n 1)p /2) (on a utilis e (72)), de racines n (+) = p (n 1)/2 + q (+) et n () = p n/2. Avec sn = n , (73) donne bien un polyn ome de degr e n + 1 qui v erie Nn Mn y = n y . En reprenant (74) en intervertissant n et n , on trouve Nn Mn y = p2 y + p(p + n + n )y + (pn + n n )y = les n ont et e etudi es (polyn omes de Bessel), ils interviennent dans des approximations rationnelles de lexponentielle. 19 Th eorie des surfaces, II, Gauthier-Villars, 1915, articles 408409 (= pages 210-216); on lira aussi, de F. Alberto Gr unbaum et L. Haine: Orthogonal polynomials satisfying dierential equations: the role of the Darboux transformation, Centre de Recherches Math ematiques (CRM) Proceedings & Lecture Notes 9 (1996) 143-154.
18Mais

MATH2171 2005-06 3 Approximation en moyenne quadratique

100

p(Ln +n n )y n y , ce qui correspond a ` une nouvelle valeur propre n n +n = n q +p +2n = n+1 quand on prend n (+) . On trouve ainsi des polyn omes de tous les degr es. Pour plus de d etails, en particulier pour la r ecurrence, on examine la deuxi` eme solution n . On obtient () cette fois n1 , do` u n1 = constante (pn + n n ), do` u la r ecurrence en eliminant pn avec (73). Un probl` eme electrostatique (Stieltjes). Soit n + 2 points x0 = 1 > x1 > > xn > xn+1 = 1 identiquement charg es, et soumis a ` une force r epulsive inversement proportionnelle a ` la distance. Que valent n+1 1 x1 , . . . , x n a ` l equilibre? Chaque xi est soumis a ` une force = 0, i = 1, . . . , n. Soit (x) = (x x xj j =0 i
j =i ()

x1 ) (x xn ) et (x) = (x2 1)(x). Comme

(x) = (x)

n+1 j =0

pour i = 1, . . . , n. Le polyn ome de degr e n est nul en x1 , . . . , xn , donc (x) = const. (x), ou (x2 (1,1) 1) (x) + 4x (x) = const. (x), ce qui correspond au polyn ome de Jacobi Pn (points de Lobatto ).

1 1 (xi ) (x) , on a lim = = 0, xxi (x) x xj x xi 2 (xi )

On a imagin e plusieurs crit` eres souvent tr` es el egants20 de caract erisation des polyn omes orthogonaux classiques: (1) Comme on vient de le voir, ce sont les seuls gurant enti` erement dans des fonctions propres dop erateurs de Sturm-Liouville. (2) Les d eriv ees de ces polyn omes forment encore un syst` eme de polyn omes orthogonaux (Sonin, Hahn). (3) Rodrigues (Hildebrandt) (4) Ils sont les seuls a ` v erier une relation di erentielle de type (73).
emes 3.11. Orthogonalit e et d eriv ees n` : formule de Rodrigues.

Une formule un peu bizarre de Rodrigues21 pour les polyn omes de Legendre s etend a ` ceci: ` eme Th eor` eme. La d eriv ee n dune fonction n fois contin ument d erivable Rn v eriant
(n1) (n1) Rn (a) = Rn (a) = = Rn (a) = Rn (b) = Rn (b) = = Rn (b) = 0 b (n)

est orthogonale a ` Pn1 selon le produit scalaire (f, g )1 = a f (x)g (x)dx. Il sensuit que si Rn est le produit dune fonction de poids w et dun polyn ome de degr e n, ce dernier polyn ome est b le polyn ome n orthogonal de degr e n selon le produit scalaire (f, g ) = a f (x)g (x) w (x)dx. En eet, soit p Pn1 . Par int egrations par parties,
b b b a (n) Rn (x)p(x)dx = a (n1) Rn (x)p (x)dx = = (1)n

Rn (x)p(n) (x)dx = 0,
a

les termes aux limites etant nuls. (n) Si, de plus, Rn sav` ere etre de la forme w n , o` u n est un polyn ome de degr e n, on a bien
b

n (x)p(x) w (x) dx = 0,
a

p Pn1 ,

et n est bien le polyn ome orthogonal de degr e n par rapport a ` w.

cf. Al-Salam, op. cit. Ronveaux, Jean Mawhin: Rediscovering the contributions of Rodrigues on the representation of special functions, Expositiones Mathematic 23, Issue 4 , 1 December 2005, Pages 361-369.
21Andr e
20

MATH2171 2005-06 3 Approximation en moyenne quadratique

101

La dicult e est evidemment de trouver une telle fonction Rn pour une densit e w donn ee. . . En (n) principe, il sut de r esoudre l equation di erentielle lin eaire dordre 2n: (Rn /w )(n) = con(k ) (k ) stante sous les 2n conditions aux limites Rn (a) = Rn (b) = 0, k = 0, . . . , n 1. Le recours a ` la fonction de Rodrigues Rn ne sest r ev el e utile que dans le cas des polyn omes orthogonaux classiques, o` u on peut montrer que lon a Rn (x) = constante w (x)(p(x))n , p etant le polyn ome de degr e 2 intervenant dans la d enition de ces polyn omes. En particulier, pour les polyn omes de Legendre, w = 1, on a dn 2 (x 1)n , dxn formule originale de Benjamin Olinde Rodrigues (1794-1851)22. Laguerre: Rn (x) = xn+ exp(x), Hermite: Rn (x) = exp(x2 ). Pn (x) = constante 3.12. Usages et vari et es de polyn omes orthogonaux. Le recours de plus en plus fr equent au traitement num erique des probl` emes les plus divers se traduit par une extension de lusage des polyn omes orthogonaux. On les rencontre en probabilit es, en m ecanique c eleste, en physique de l etat solide, en m ecanique des uides (de lionosph` ere aux mati` eres plastiques), en traitement du signal (compression dimages, reconnaissance de la parole, tomographie, radar), dans les th eories les plus pointues de la gravit e quantique, en math ematiques discr` etes (codage, cryptographie), et m eme en th eorie des nombres (fractions continues, nombres irrationnels et transcendants). Les polyn omes orthogonaux tiennent une place essentielle dans la bo te a ` outils de lanalyse num erique, pouvant servir a ` linterpolation, au lissage, aux quadratures, comme on le verra encore plus loin. Historiquement, on etudia dabord les polyn omes orthogonaux en relation avec des formules de quadrature (Gauss, Jacobi, Christoel), des d eveloppements de potentiels en coordonn ees sph eriques (Legendre), des formules dacc el eration de convergence (Laguerre, Stieltjes), et autres probl` emes dapproximation (Tchebyche, Hermite)23. On retrouve les polyn omes de Laguerre en m ecanique quantique (potentiels coulombiens), ainsi que les polyn omes dHermite (oscillateur harmonique). Les polyn omes orthogonaux sur un domaine du plan complexe ( z ) ( z omes de Carleman-Bergman. m ) w (z ) dxdy = 0, n = m portent le nom de polyn D n Ils sont utilis es en constructions de repr esentations conformes de domaines. Ils ne v erient pas de relation de r ecurrence simple. On a cependant le Th eor` eme (Fej er). Soit une mesure positive sur C de support S = {z : (v ) > 0 pour
Rodrigues, M emoire sur lattraction des sph ero des, Correspondance sur l Ecole Polytechnique 3 (1816) 361-385. Voir aussi Area, I.; Godoy, E.; Ronveaux, A.; Zarzo, A.: Hypergeometric-type dierential equations: second kind solutions and related integrals, J. Comput. Appl. Math. 157 (2003), no. 1, 93106. rodrigues.txt 23cf. C. Brezinski, History of Continued Fractions and Pad e Approximants , Springer-Verlag, 1991; J.A. Shohat, E. Hille, J.L. Walsh, A bibliography on orthogonal polynomials, Bull. National Research Council , n 103, (August 1940), Nat. Acad. Sciences, Washington.
22O.

MATH2171 2005-06 3 Approximation en moyenne quadratique

102

tout voisinage v de z }. Alors, les z eros du polyn ome n orthogonal a ` Pn1 par rapport a ` sont tous situ es dans la fermeture convexe de S . n (z ) D emonstration intuitive: soit zi un z ero de n . n est orthogonal a ` Pn1 : z zi n (z ) 0= n (z ) z zi S ou zi = n (z ) o` u est la mesure positive d (z ) = z zi de S muni de la densit e d . . .
S

n (z ) d(z ) = (z zi ) z zi S z d (z ) , d (z ) S

d(z ),

d(z ). Le z ero zi est donc le centre de gravit e

Les polyn omes orthogonaux sur un arc ou un contour du plan complexe ( z ) ( z es polyn omes orthogonaux de Szeg o. La th eorie m ) w (z ) ds = 0, n = m sont appel C n des polyn omes orthogonaux sur un cercle est tr` es riche, ces polyn omes sont tr` es utilis es en th eorie du signal24. La r ecurrence des polyn omes orthogonaux sur le cercle unit e a cette forme remarquable: n+1 (z ) = z n (z ) + n+1 (0) z n n (z 1 ). Comme exemple de syst` eme connu, on a, pour les polyn omes orthogonaux de Jacobi sur le cercle unit e, z = ei , w (z ) = (1 cos ) (1 + cos ) , n+1 (0) = [ + (1)n+1 ]/(n + + + 1) (V.M. Badkov, Systems of orthogonal polynomials explicitly represented by the Jacobi polynomials, Mat. Zametki 42 (1987) 650660 = Math. Notes of the Academy of Sciences of the USSR, a translation of Mat. Zametki 42 (1988) 858863). Revenons sur un intervalle, les polyn omes orthogonaux relativement a ` un produit scalaire b de Sobolev (f, g ) = a [f (x)g (x)d1 (x) + f (x)g (x)d2 (x)] sont parfois utilis es dans le traitement num erique d equations di erentielles et aux d eriv ees partielles. Ils ne semblent en g en eral pas v erier de r ecurrence simple. On rassemble ici quelque donn ees sur les polyn omes orthogonaux les plus courants,. . . et quelques autres:

W.B. Jones, O. Nj astad, W.J. Thron, Moment theory, orthogonal polynomials, quadrature, a,d continued fractions associated with the unit circle, Bull. London Math. Soc. 21 (1989) 113152; P. Delsarte, Y. Genin, On the role of orthogonal polynomials on the unit circle in digital signal processing applications, pp. 115-133 in Orthogonal Polynomials: Theory and Practice , (P. Nevai, ed.), NATO ASI Series C: Math. and Phys. Sci. 294, Kluwer, 1990; B. Simon: Orthogonal Polynomials on the Unit Circle: Part 1: Classical Theory; Part 2: Spectral Theory, American Mathematical Society Colloquium Publications, Vol.54 (2 vol.), 2005; M. E. H. Ismail: Classical and Quantum Orthogonal Polynomials in One Variable, Cambridge University Press , Encyc. of Mathematics and its Applications (No. 98), 2005.

24

MATH2171 2005-06 3 Approximation en moyenne quadratique

103

n 0

2 n 2 1 = 1/2

Symbole Tn

w ou w(x) = (1 x2 )1/2 , -1 x 1 w(x) = (1 x2 )1/2 , 1 < x < 1

Nom Tchebyche
ere 1` esp` ece

Usage analyse num erique analyse num erique analyse sur la sph` ere et quadratures de Gauss

1/4, n > 1 0 1/4 n2 2 4n 1 Un

Tchebyche
eme 2` esp` ece

Pn

w(x) = 1 , 1 < x < 1

Legendre

n(n + 2 1) 4(n + )(n + 1) 1 2 1 = 2( + 1)

Cn =

w(x) = (1 x2 )1/2 , 1 < x < 1 > 1/2

Gegenbauer, ou ultrasph eriques

analyse sur la sph` ere si 1/2 entier

Pn

(1/2,1/2)

Pn

(, )

w(x) = (1 x) (1 + x) , 1 < x < 1 > 1, > 1

Jacobi

g en eralisation des pr ec edents

2n + + 1

n(n + )

L n

w(x) = x exp(x) , x > 0 , > 1 w(x) = exp(x2 ) , x>0

Laguerre

potentiels coulombiens, etc.

n/2 n2 (N 2 n2 )h2 4(4n2 1)

Hn

Hermite

oscillateur harmonique, etc.

(a + b)/2

tn

constant par morceaux, avec m eme accroissement

GramTchebyche

moindres carr es

ba h= N 1

aux points a + kh, k = 0, 1, . . . , N 1 .

2 2 4n(n + )(n + )(n + + ) 2 , n = (2n + + )(2n + + + 2) (2n + + 1)(2n + + )2 (2n + + + 1) On appelle aussi polyn omes de Tchebyche de troisi` eme et quatri` eme esp` eces les polyno omes orthogonaux relatifs aux densit es (1 x)1/2 (1 + x)1/2 et (1 x)1/2 (1 + x)1/2 sur (1, 1). Voir aussi A. Erd elyi, W. Magnus, F. Oberhettinger, F.G. Tricomi, Higher Transcendental Functions (Bateman Manuscript Project), vol. 2, McGraw-Hill, 1953; M. Abramowitz, I.A. Stegun, Handbook of Mathematical Functions , National Bureau of Standards, Washington, 1964, = Dover, New York, 1965,etc.; T.S.

Pour Jacobi, n =

MATH2171 2005-06 3 Approximation en moyenne quadratique

104

Chihara, An Introduction to Orthogonal Polynomials , Gordon & Breach, 1978; A. Nikiforov, V. Ouvarov, Fonctions sp eciales de la physique math ematique , Mir, 1983, R. Koekoek, R.F. Swarttouw, The Askey-scheme of hypergeometric orthogonal polynomials and its q analogue, Report 94-05, Delft Univ. of Technology, Faculty TWI, 1994. Voir aussi la rubrique Askey-Wilson scheme project dans http://amstel.science.uva.nl:7090/CAOP/ http://www.cs.vu.nl/~rene/ pour lusage interactif. o` u on pourra tout d ecouvrir sur les polyn omes de Charlier, Meixner, Hahn, Krawtchouk, Lommel, Pollaczek, Stieltjes-Wigert, Tricomi-Carlitz, Heine, etc. etc. Aspects stochastiques: W. Schoutens, Stochastic Processes and Orthogonal Polynomials, Springer Lect. Notes Stat. 146, Springer-Verlag, New York, 2000. 3.13. Harmoniques sph eriques et fonctions de Legendre. Cf. H. Hochstadt, Les fonctions de la physique math ematique (trad. fran caise S. Colombo), Masson, 1973, chap. 5 & 6; I.A. Stegun, chap. 9 de [Abr], chap. 8 de P. Frank & R. v. Mises, Die Dierential- und Integralgleichungen der Mechanik und Physik, vol. 1, Vieweg, =Dover, 1961, etc. Cours de Christophe Vigny, Laboratoire de g eologie de lEcole normale sup erieure: http://www.geologie.ens.fr/~vigny/cours/chp-gphy-2.html Lop erateur de Laplace := 2 /x2 + 2 /y 2 + 2 /z 2 = div grad est formellement hermitien sur tout ensemble de fonctions susamment r eguli` eres sannulant sur le bord dun domaine D: par la formule de la divergence,
D

f div grad g dxdydz =

grad f
D

grad g dxdydz

g dS etant nul). n D Les fonctions propres seront donc orthogonales entre elles, selon le produit scalaire usuel des fonctions sur R 3 . est bien sym etrique en f et g (le terme aux limites f En coordonn ees sph eriques x = r sin cos , y = r sin sin , z = r cos , le laplacien devient 2 2 1 (sin /) 1 1 2 + + 2 + 2 2 = 2 2 2 r r r r sin r r r sin o` u B = r2 r + 1 B , r2 On

1 2 1 est lop erateur de Laplace-Beltrami sur la sph` ere unit e S. sin + sin sin2 2 v erie directement que B est formellement hermitien sur C 1 (S ):
2

f B g dS =
S 0 2

sin d f sin g
0 = =0

d f

1 sin sin

sin

1 2g sin2 2 f g sin
=2 =0

=
0

f g d dS

+
0

1 sin

2 0

f f d

f g 1 f g + sin2

est bien sym etrique en f et en g . On peut aussi construire des fonctions de 3 variables sannulant au bord dune boule B de R3 : F (r, , ) = (r)f (, ), avec (R) = 0, et constater que le laplacien tridimensionnel de F est F = r2 (r2 ) f + r2 B f , donc 0 =
B

Une suite orthogonale de fonctions sur S pourra donc etre construite avec des fonctions propres de B . On obtient de telles fonctions propres a ` partir de fonctions harmoniques (solutions de l equation de Laplace F = 0) dans lespace, de la forme F (x, y, z ) = r n f (, ). En eet, F = (rn f ) = 0 r r2 rn f r + B (rn f ) = 0 B f = n(n + 1)f.

(F G GF )r2 dr dS =

R 0

2 dr
S

(f B g g B f ) dS .

La fonction harmonique fondamentale dans R3 est linverse de la distance a ` un point xe P0 , on la rencontre comme potentiel classique (gravitationnel ou electrostatique ou magn etostatique) d ua ` une masse ou charge

MATH2171 2005-06 3 Approximation en moyenne quadratique

105

plac ee en P0 . Soit (P0 , P ) la distance entre P0 et le point courant P . En coordonn ees sph eriques r0 , 0 , 0 , r, , , 1 1 , = 2 (P0 , P ) r0 2r0 r cos + r2 o` u est langle entre OP0 et OP . On a cos = cos cos 0 + sin sin 0 cos( 0 ). 1 Soit r0 > r et d eveloppons 1/ en s erie de Taylor de r: 1 = r0 (1 2(r/r0 ) cos + (r/r0 )2 )1/2 = 1 2 3 r0 + r0 cos r + r0 (3 cos2 1)r2 + rm 1 2 2 1/2 On ecrit = (r0 2r0 r cos + r ) = Pm (cos ) m+1 , r < r0 , (si r > r0 , on permute r0 m=0 r et r0 25), o` u Pm est le polyn ome de Legendre de degr e m. Pour se convaincre que Pn est bien un polyn ome de degr e n, on retrouve la r ecurrence :
2 1 /r = (r0 cos r)(r0 2r0 r cos + r2 )3/2 = 2 multiplions par r0 2r0 r cos + r2 : 2 (m+1)Pm+1 (cos )(r0 2r0 r cos +r2 ) m=0

(m + 1)Pm+1 (cos )

rm
m+2 r0

m=0

rm
m+2 r0

n=0

[(n + 1)Pn+1 (cos ) 2n cos Pn (cos ) + (n 1)Pn1 (cos )]

m=0

n r0 , rn

2 qui vaut egalement (r0 cos r)(r0 2r0 r cos + r2 )1/2 = (r0 cos r)

u, en idenm+1 , do` r0 tiant en (r/r0 )n : (n +1)Pn+1 (cos ) 2n cos Pn (cos )+(n 1)Pn1 (cos ) = cos Pn (cos ) Pn1 (cos ) : Pm (cos ) (n + 1)Pn+1 (x) = (2n + 1)x Pn (x) nPn1 (x). (2n 1)!! n Remarquons que Pn (1) = 1, et que Pn (x) = x + . n! Voyons maintenant que chaque Pn (cos ) est une fonction propre de B : 0 = 1 =
0 n1 r0 (rn Pn (cos )) = 0 n1 n2 r0 r (n(n + 1)Pn + B Pn )

rm

(75)

est le d eveloppement de Taylor de la fonction nulle, donc Equation di erentielle des polyn omes de Legendre: 0 = 0 1 d sin d sin dPn (cos ) d ou d dx (1 x2 ) dPn (x) dx + n(n + 1)Pn (x) = (1 x2 ) dPn (x) d2 Pn (x) 2x + n(n + 1)Pn (x) = 0 2 dx dx (76) B Pn (cos ) = n(n + 1)Pn (cos ), cos = cos cos 0 + sin sin 0 cos( 0 ). + n(n + 1)Pn (cos ) = 0,

S eparons (, ) de (0 , 0 ): Pn (cos ) = Pn (cos cos 0 + sin sin 0 cos( 0 ) est une combinaison de produits de puissances cosp cosp 0 sinq sinq 0 cosq ( 0 ), avec p + q n. Regroupons les contributions
n

de en s erie de Fourier

Pn (cos ) = 2
m=0

Cn,m (, 0 ) cos(m( 0 )).

On a C0,0 = 1; C1,0 (, 0 ) = cos cos 0 , C1,1 (, 0 ) = sin sin 0 /2, etc. Les Cn,m (, 0 ) sont sym etriques en et en 0 . De la r ecurrence (75) des polyn omes de Legendre, avec x = cos = Pn (cos cos 0 +sin sin 0 cos( 0 ), on tire les relations pour les Cn,m Cn+1,m =
25

2n + 1 Cn,m1 + Cn,m+1 n cos cos 0 Cn,m + sin sin 0 Cn1,m , n+1 2 n+1

On a donc alors une s erie de puissances n egatives de r, convergente dans lext erieur de la boule de rayon

r0 .

MATH2171 2005-06 3 Approximation en moyenne quadratique

106

do` u on peut montrer que Cn,m (, 0 ) = sinm sinm 0 Dn,m (, 0 ), o` u Dn,m (, 0 ) est un polyn ome de degr e n m en cos( et cos 0 . En particulier, 0 = 0 Pn (cos ) = Dn,0 (, 0). Enn, on porte
n

Pn (cos ) =
m=0

sinm sinm 0 Dn,m (, 0 ) cos(m( 0 ))

dans B Pn (cos ) = n(n + 1)Pn (cos ):

n

sinm 0
m=0

1 d d m2 sin (sinm Dn,m ) + n(n + 1) sin d d sin2

sinm Dn,m cos(m( 0 )) = 0,

d d2 Dn,m + (2m + 1) cotg Dn,m + (n(n + 1) m(m + 1))Dn,m = 0, d2 d d d2 t l equation ou, en x = cos , (1 x2 ) 2 Dn,m 2(m + 1) Dn,m + (n(n + 1) m(m + 1))Dn,m = 0. On reconna dx dx ( m ) emes di erentielle des d eriv ees m` de (76), et les seules solutions polynomiales sont Dn,m (, 0 ) = Pn (cos ) (m) (m) fois une fonction de 0 , soit Kn,m Pn (cos )Pn (cos 0 ) pour respecter la sym etrie en et 0 . La r ecurrence des Cn,m , donc des Dn,m , avec 0 = 0, devient 2n + 1 (m) (m) (m) (m) Kn+1,m Pn+1 (x)Pn+1 (1) = Kn,m xPn (x)Pn (1) + degr e n, n+1 (n m)! ce qui aboutit a ` Kn,m = . (n + m)! dm m On note Pn (x) = (1 x2 )m/2 m Pn (x), on a donc dx ce qui donne
n

Pn (cos ) = Pn (cos cos 0 + sin sin 0 cos( 0 ) = 2 Les fonctions

m=0

(n m)! m m P (cos )Pn (cos 0 ) cos(m( 0 )). (n + m)! n

2n + 1 (n m)! 1 Yn,m (, ) = (cos m et sin m) Pn,m (cos ) sont appel ees 2 (n + m)! 2 harmoniques sph eriques, elles sont orthonormales sur la sph` ere.
1

On a bien
1

m m m Pn (x) Pn (x) dx = 0 si n1 = n2 , et comme Pn (x) = sinm fois un polyn ome de degr e 1 2

n m en x = cos , ces polyn omes, pour m x e, sont orthogonaux par rapport a ` la fonction de poids sin2m = (1 x2 )m .

Pour un essai int eressant de O. de Viron sur le caract` ere total de la suite des harmoniques sph eriques, sadresser a ` lauteur: ******************************************************************** * Olivier de Viron * * Royal Observatory of Belgium Tel: 32-2-3730312 * * Observatoire Royal de Belgique Fax: 32-2-3749822 * * 3, avenue Circulaire e-mail: deviron@oma.be * * B-1180 Bruxelles, Belgium * ********************************************************************

cf. aussi sci.math.num-analysis #42078 (3 + 345 more) From: fractalier@aol.com (Fractalier) [1] Spherical Harmonics Visualization Study Date: Wed May 06 16:37:32 EDT 1998 Dear Mathematicians:

[1]

I have recently uploaded over 400 three-dimensional visualizations of various

MATH2171 2005-06 3 Approximation en moyenne quadratique

spherical harmonics with data for your research and enjoyment. found at: http://www.lifesmith.com/spharmin.html Thank you for your support. Jeff Berkowitz, M.S. Lifesmith Classic Fractals End of article 42078 (of 42246) -- what next? [npq] 3.14. Polyn omes dHermite et m ecanique quantique. Les polyn omes dHermite Hn (x) = (1)n ex
2

107

They can be

dn x2 n n2 n n4 e = 2n xn 2n1 1!! x + 2n2 3!! x dxn 2 4

2

sont orthogonaux sur R par rapport a ` la fonction de poids ex :

Hn (x)Hm (x)ex dx =

2 dn (Hm (x))ex dx = n!2n n,m n dx

(prendre m n, sinon permuter n et m). On a Hn+1 (x) = 2xHn (x) 2nHn1 (x) et Hn (x) = 2nHn1 (x). Les fonctions du cylindre parabolique ou fonctions de Weber-Hermite Dn (x) = 2n/2 ex
2

/4

Hn

x 2 n! 2 .

sont donc orthogonales dans L2 (R). Les fonctions orthonormales sont Dn (x)/ De la r ecurrence Dn+1 (x) = xDn (x) nDn1 (x), donc, x Dn (x) = n+1 n! 2

Dn+1 (x) + n (n + 1)! 2

Et on constate pq qp = i fois la matrice unit e! Relation de base de la m ecanique quantique. Toute fonction donde peut en eet sexprimer comme une combinaison des fonctions Dn . Les Dn sont dailleurs les fonctions donde dun syst` eme particulier, loscillateur lin eaire. La matrice p2 + q 2 /4 est diagonale d el ements diagonaux n + 1/2, n = 0, 1, . . .

on voit que lop erateur q de multiplication par x agit sur les combinaisons des Dn (x)/ n! 2 au moyen de la 0 1 1 0 2 matrice q= On a aussi 2Dn (x) = Dn+1 (x) + (2n 1)Dn1 (x), . 2 0 3 .. .. .. . . . 0 1 0 2 d 1 1 ef` ere garder do` u la repr esentation de lop erateur de d erivation = . On pr 2 0 3 dx 2 .. .. .. . . . un op erateur hermitien en prenant plut ot 0 i 0 d 1 i i 2 p= = . i 2 0 i 3 idx 2 .. .. .. . . .

Dn1 (x) , (n 1)! 2

MATH2171 2005-06 3 Approximation en moyenne quadratique

26

108

m 2 x m m 1/4 1 . Niveaux d energie: E = (n + e 2 En variables physiques : n (x) = Hn x n 2 n! 1/2) , n = 0, 1, . . . L energie varie donc par pas de h = 2 fois la fr equence = /(2 ). h = 6.626196 1034 Joule seconde. Pour une controverse int eressante, voir B.L. van der Waerden: From matrix mechanics and wave mechanics to unied quantum mechanics, Notices of the AMS 44 (1997) 323-328. 3.15. Orthogonalit e et equioscillation. On a dabord rencontr e les polyn omes de Tchebyche a ` partir de conditions d equioscillation. Puis on a constat e que ces polyn omes sont orthogonaux par rapport a ` la fonction de poids (1 x 2 )1/2 sur (1, 1). Si {n } est une suite de polyn omes orthogonaux par rapport a ` une fonction de poids w sur (1, 1), {(1 x2 )1/4 w(x)1/2 n (x)} sont des fonctions orthogonales par rapport a ` (1 x2 )1/2 , on constate un comportement raisonnablement equioscillant: Jacobi degr e 10 = 0.25, = 1

Laguerre degr e 10 , = 1.23

10

Hermite degr e 10

Polyn omes de Jacobi, Laguerre et Hermite. La gure ci-dessus montre les graphes de polyn omes de Jacobi, Laguerre et Hermite, multipli es par (1 x)/2+1/4 (1 + x)/2+1/4 dans le cas Jacobi, par x/2+1/4 exp(x/2) dans le cas Laguerre par exp(x2 /2) pour Hermite. cf. orthclas.m Th eor` eme de Sonine-P olya27. Si n est un polyn ome orthogonal classique sur [a, b], et si w(x) p(x) est croissante (resp. d ecroissante) sur [c, d] [a, b], les ordonn ees des maxima locaux de | n | sur [c, d] forment une suite d ecroissante (resp. croissante).
26 27

Landau & Lifchitz, M ecanique quantique, 23. M. Redheer, Monotonocity of the maxima, American Math. Monthly 105 (1998) 945-948.

MATH2171 2005-06 3 Approximation en moyenne quadratique

En eet, les carr es de ces ordonn ees sont les valeurs de Fn (x) := 2 n (x) Fn = 2n n

109

D erivons Fn :

p(x) 2 (x) aux z eros de pn . n n

p p 2 2 n n n n n p p = n 2n 2 n n n n n n n p 2 = n 2n n n n 2 p = n 2 n o` u on a utilis e (71). Do` u la th` ese, puisque, sur un intervalle o` u w p est monotone, (w p) /(w p) = w /w + p /(2p) = r/p + p /(2p) = (2 p )/(2p). (et n < 0). Un th eor` eme de Szeg o ([Sze] 7.2). Si la densit e w est croissante sur (c, b) avec a c < b, w |n | atteint son maximum sur [c, b] en b. En eet: soit c x
2 b, w(b)2 n (b) w (x)n (x) = 2 b b b x b

n (t)n (t)w(t)dt +
x

entre le plus grand z ero de n et b, n (t) et n (t) sont positifs, donc le r esultat est positif. 2.) Si x est entre a et le plus petit z ero de n ,
x

2 n (t) dw (t). 1.) Si x est

n (t)n (t)w(t)dt =

a =0

n (t)n (t)w(t)dt encore positif puisque n

et n ont les signes (1)n et (1)n1 a ` gauche du plus petit z ero; 3.) Enn, si x est entre deux z eros de n , on consid` ere le polyn ome n (t) divis e par le produit des t zi , o` u les zi sont les z eros plus petits que x. Ce polyn ome est orthogonal par rapport a ` la densit e w(t) (t zi )2 . On se ram` ene ainsi au cas 2.).
zi <x

3.16. Noyaux reproduisants, polyn omes noyaux. Soit {b0 , . . . , bn } une base orthonormale de V , (57) se simplie encore:
j =n

p = Pf =
j =0

(f, bj ) bj .

Dans la notation des physiciens (Dirac):

j =n

P =
j =0

|j >< j | .
S

Si X est un espace de fonctions, muni du produit scalaire (f, g ) = a aussi

j =n

f (x)g (x) d(x), on

(P f )(y ) =
j =0 S

f (x)bj (x) d(x) bj (y )

j =n

=
S

f (x)
j =0

bj (x) bj (y ) d(x)

= (f, Kn (., y )),

MATH2171 2005-06 3 Approximation en moyenne quadratique

110

28 o` u Kn (x, y ) := n de V , en eet, f V , f (y ) = j =0 bj (x)bj (y ) est le noyau reproduisant (f, Kn (., y )). Cette propri et e reproduisante (sur V ) est une voie dacc` es a ` une approche de la convergence. Le comportement de Kn (x, y ) quand n est grand nest cependant pas toujours de tout repos. 1 t b0 = 1/2 , Ainsi, avec le produit scalaire 1 f (x)g (x)(1 x2 )1/2 dx pour lequel on conna bj (x) = (2/ )1/2 Tj (x) pour j 1, on calcule

2 Kn (x, y ) =

Tj (x)Tj (y ) =
j =0

1 2

sin((n + 1/2)(2 1 )) sin((n + 1/2)(2 + 1 )) + sin((2 1 )/2) sin((2 + 1 )/2)

o` u x = cos 1 , y = cos 2 . Cette expression peut devenir tr` es grande. Dailleurs, avec des b produits scalaires de forme a f (x)g (x)d(x), il nexiste pas de fonction continue de deux variables K qui v erierait f (y ) = (f, K (., y )) pour toute fonction f continue sur [a, b]: on aurait |f (y )| f K (., y ) (Cauchy-Schwarz), mais il existe des fonctions continues f de norme quadratique f arbitrairement plus petite quune valeur ponctuelle |f (y )|: il faudrait K (., y ) = . Lobjet qui peut alors pr etendre servir de limite de Kn (x, y ) quand n ne peut etre d eni quau sens des distributions (distribution de Dirac (x y )). Si V contient les constantes, on a aussi C = (C, Kn (., y )), donc, pour y x e, f (y ) = (f (y ), Kn(., y )), f (y ) (P f )(y ) = (f (y ) f (.), Kn (., y )) =
S

(f (y ) f (x))Kn (x, y ) d(x),

identit e tr` es utilis ee en th eorie de la convergence. Il existe cependant des espaces a ` noyau reproduisant o` u la limite de Kn (x, y ) existe au sens classique: cest le cas de lespace des fonctions analytiques de carr e de valeur absolue int egrable sur un domaine born e du plan complexe (espace de Bergman 29). Remarquons aussi que le noyau reproduisant se. . . reproduit lui-m eme: Kn (y, z ) = (Kn (., z ), Kn (., y )). En particulier, Kn (y, y ) = (Kn (., y ), Kn(., y )) = Kn (., y ) 2 . Les noyaux reproduisants servent aussi a ` comparer lapproximation en moyenne quadratique et dautres approximations. Ainsi, soit p une approximation de f dans V (meilleure approximation au sens dune autre norme, interpolant,etc.), et q la meilleure approximation en moyenne quadratique, projection orthogonale de f dans V . On a f q = f p + p q = f p + (p q, Kn ) = f p (f p, Kn ) + (f q, Kn ) = f p (f p, Kn ) car p q V car f q V.

Cest ainsi que lon a pu comparer les sommes partielles de d eveloppements en s eries de polyn omes de Tchebyche et les meilleures approximations au sens de la norme du maximum (constantes de Lebesgue ). Dans le cas des polyn omes orthogonaux sur un intervalle r eel, on tire prot de la formule de Christoel-Darboux (p. 96): le polyn ome noyau
n

Kn (x, y ) =
i=0 28On 29Cf.

i (x)i (y ) = n+1

n+1 (x)n (y ) n+1 (y )n (x) xy

dit aussi r eg en erateur [Dav] pp. 319322.

MATH2171 2005-06 3 Approximation en moyenne quadratique

111

Ceci montre que, y , Kn est un polyn ome de degr e n orthogonal a ` Pn1 par rapport au produit scalaire associ ea ` la mesure (x y )d(x):
b

p Pn1 ,

p(x)Kn (x, y )(x y )d(x) =

b

p(x)n+1
a

Ce produit scalaire est ind eni si y (a, b).

b 1/2

n+1 (x)n (y ) n+1 (y )n (x) (x y )d(x) = 0. xy

Une propri et e extr emale importante: Th eor` eme.Soit y / (a, b) x e. Parmi tous les polyn omes p Pn v eriant p(y ) = 1, le polyn ome de norme
a

p(x) d(x)

minimale est p(x) = Kn (x, y )/Kn (y, y ).

En eet, exprimons que p, avec p(y ) = 1 est de norme minimale: tout autre polyn ome valant egalement 1 en y est de la forme p(x) + (x y )q (x), avec q Pn1 , donc,
b a

(p(x) + (x y )q (x)) d(x) =

p(x) d(x)+2
a a

p(x)q (x)(xy )d(x)+

q (x)2 (xy )2 d(x)

sera bien strictement sup erieur au carr e de la norme de p pour tout autre polyn ome si p est orthogonal a ` Pn1 par rapport a ` la mesure (x y )d(x), donc si p(x) = constante Kn (x, y ), ce qui donne bien p(x) = Kn (x, y )/Kn(y, y ). On appelle fonction de Christoel associ ee a ` la mesure d la fonction n (x) = 1/Kn1 (x, x). Les constantes de Christoel apparaissant dans la formule de quadrature de Gauss sont les valeurs de n aux z eros de n .
Exercice. Soit w une fonction positive et continue sur (a, b), et {n (., )} les polyn omes orthogonaux par rapport a ` la restriction de w sur (a, ), avec a < b. Alors, chaque z ero x i ( ) de n (., ) est une fonction croissante de . 2 n (x, ) En eet30,on a w(x) dx = 0,. D erivons en : a x xi ( ) n (x, ) 2n (x, ) dxi ( ) 2 2 (, ) n (x, ) w(x) dx + w(x) dx + n w( ) = 0. 2 x xi ( ) d xi ( ) a (x xi ( )) a n n n (x) = n (x) xk (x xk )1 , la premi` ere int egrale se limite a ` Comme n (x) = (x xk ), 1 1 2 dxi ( ) d
a

2 n (x, ) (x xi ( ))2

w(x) dx, et il reste

dxi ( ) = d
a

2 n (, ) w( ) xi ( ) . 2 n (x, ) w ( x ) dx (x xi ( ))2

4. Moindres carr es, r egression. La construction dapproximations au sens des moindres carr es est une des applications eme num eriques les plus utiles qui soient. A partir de principes etablis d` es le d ebut du XIX` si` ecle par Legendre et Gauss, on a trait e des probl` emes de plus en plus consid erables. L elaboration
Lemme 2 de D.K. Dimitrov: On a conjecture concerning monotonicity of zeros of ultraspherical polynomials, J. Approx. Theory, 85 (1996) 88-97.
30

MATH2171 2005-06 3 Approximation en moyenne quadratique

112

de bons algorithmes se base sur les id ees force de meilleure approximation en moyenne quadratique et dutilisation de bases orthogonales. Fixons le cadre: On dispose dobservations y0 , y1 ,. . . yN dun ph enom` ene f (t) (t peut repr esenter ici une ou plusieurs variables ind ependantes) que lon soup conne pouvoir etre repr esent e par une forme
n

f (t) =
j =0

j fj (t),

o` u les fonctions fj sont connues, mais o` u les coecients j sont a ` d eterminer 31. Si cette hypoth` ese etait vraie, et si chaque mesure yi donnait exactement f (ti ), on trouverait les j en extrayant n equations de y = f = , o` u y est le vecteur des yi , est la matrice des fj (ti ), j = 0, . . . , n, i = 0, . . . N vecteur des j . En fait, les mesures n etant pas exactes, on a plut ot y = f + e = + e, on renonce a ` calculer exactement , mais on va estimer ce vecteur par a qui minimise la somme des carr es des r esidus
i=N j =n 2

n, est le

y b

=
i=0

yi

fj (ti )bj
j =0

sur b Rn+1 . Cest bien un probl` eme de meilleure approximation de y RN +1 par un el ement de V , espace vectoriel de dimension n + 1 sous-tendu par les colonnes de , au sens de la norme Euclidienne de RN +1 (on a donc suppos e que les n + 1 colonnes de sont des vecteurs N +1 ind ependants de R ). La solution b est donc la projection orthogonale de y sur V . La mani` ere traditionnelle de trouver a consiste a ` ecrire que le r esidu r = y a est orthogonal aux colonnes de , cest-` a-dire, a ` former les equations normales: T a = T y . A noter que lon retrouve bien la matrice de Gram de la base de V . Lusage des equations normales nest recommand e que pour de petites valeurs de n, le syst` eme etant mal conditionn e si n est grand. On sait maintenant lint er et de disposer de bases orthogonales. Si on a orthonormalis e les colonnes f 0 ,. . . f n de en f 0 ,. . . f n , il reste, par (57) (p. 77):
j =n

P y = a = a =
j =0 T T y. donc, a j = f j y , ou encore a =

T (f j y) f j ,

exemples en physique, economie, etc. etc. A noter que lon se limite ici a ` des probl` emes o` u les inconnues j interviennent lin eairement, ce qui est une grosse simplication vis a ` vis des questions qui se posent le plus fr equemment.

31Nombreux

MATH2171 2005-06 3 Approximation en moyenne quadratique

113

Si on a utilis e la m ethode de Gram-Schmidt pour orthonormaliser les colonnes de , le passage de a ` est = R, o` u R est une matrice triangulaire sup erieure, Ra = a . T T T Comme = I , R R = , factorisation de Cholesky de la matrice de Gram. On obtient egalement R en multipliant a ` gauche par des matrices orthogonales appropri ees (rotations de Givens ou r eexions de Householder) de fa con a ` avoir = Q R, o` uR eme est une matrice rectangulaire de N + 1 lignes et n + 1 colonnes, la j ` colonne nayant que ses j premiers el ements non nuls (factorisation QR). Alors, a est le vecteur form e des n + 1 premiers el ements de QT y . En matlab:
help polyt POLYFIT Polynomial curve tting. POLYFIT(x,y,n) nds the coecients of a polynomial p(x) of degree n that ts the data, p(x(i)) = y (i), in a least-squares sense. [p,S] = POLYFIT(x,y,n) returns the polynomial coecients p and a matrix S for use with POLYVAL to produce error estimates on predictions. If the errors in the data, y , are independent normal with constant variance, POLYVAL will produce error bounds which contain at least 50% of the predictions. See also POLY, POLYVAL, ROOTS. help slash ... If A is an M -by-N matrix with M < or > N and B is a column vector with M components, or a matrix with several such columns, then X = A\B is the solution in the least squares sense to the under- or overdetermined system of equations A X = B . The eective rank, K , of A is determined from the QR decomposition with pivoting. A solution X is computed which has at most K nonzero components per column. If K < N this will usually not be the same solution as PINV(A)*B. A\EYE(SIZE(A)) produces a generalized inverse of A. Voir aussi LSCOV.

Remarque. Si chaque ligne de est form ee de valeurs de fonctions en un m eme point: [0 (ti ), . . . , n (ti )], et sil y a exactement autant d equations que dinconnues, alors la solution
n

a j j ,
j =0 T T y, o` u a j = j y , ou encore a = interpole les donn ees y0 , . . . , yn aux points t0 , . . . , tn , cest-` a-dire que lon a n a j j (ti ) = yi , j =0

i = 0, 1, . . . , n

(77)

En eet a = T = y , etant une matrice carr ee orthogonale. Si les fonctions fj sont des polyn omes dune variable r eelle, on dispose de techniques 32 particuli` eres bas ees sur la relation de r ecurrence . Voici une justication statistique de ces techniques: Th eor` eme de Gauss-Marko 33 . Si les erreurs ei = yi f (ti ) sont des variables al eatoires ind ependantes de moyenne nulle (estimation sans biais) et de m eme variance 2 , aj obtenu par
Forsythe, Generation and use of orthogonal polynomials for data-tting with a digital computer, J. Soc. Indust. Appl. Math. 5 (1957) 74-88. 33B.L. van der Waerden, Mathematische Statistik, Springer, 1957 = Statistique math ematique, Dunod, 1967, 3032.
32G.E.

MATH2171 2005-06 3 Approximation en moyenne quadratique

114

En eet, etudions un estimateur bj de j ou, plus g en eralement, un estimateur b dune n N T combinaison lin eaire = , lin e aire en les y : b = y . Exprimons i j =0 j j i=0 i yi = T dabord que b est sans biais, cest-` a-dire que lon a E (b) = = , : E (b) = E ( T y ) = T E (f + e) = T f = T , donc T = , r esolu par = x + z , avec x = (T )1 et z V. Passons maintenant a ` la variance de b: E ((b T )2 ) = E (( T y T )(y T T T )) = T E ((y f )(y f )T ) = 2 T = 2 ( x 2 + z 2 ) est donc minimal quand z = 0, donc quand b = T y = T (T )1 T y = T a, ce qui est bien lestimateur par moindres carr es. Enn, E ( r 2 ) = E ((y a)T (y a)) = E ((y (T )1 T y )T (y (T )1 T y )) = E ((e (T )1 T e)T (e (T )1 T e)) = E (eT (I (T )1 T )2 e) = E (eT (I (T )1 T )e) = (N + 1) 2 2 trace ((T )1 T ) = (N n) 2 , o` u on a 2 T 2 utilis e y = + e, E (ei ej ) = i,j , E (e Xe) = E ( i j ei Xi,j ej ) = i Xi,i E (ei ) = 2 trace X , et trace(AB )= trace(BA). Que se passe-t-il quand on ne sait pas exactement o` u il faut estimer f ? R eponse: on essaye des sous-espaces V de plus en plus grands (mais pas trop grands. . . ), et on sarr ete quand y a manifeste un comportement raisonnablement al eatoire. Comme exp erience (pp. 266-267 de S.D. Conte et C. de Boor, Elementary Numerical Analysis, An Algorithmic Approach, 3rd ed., McGraw-Hill, 1981), on consid` ere les 21 donn ees34
x = -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 y = 0.37 0.41 0.45 0.50 0.55 0.61 0.67 0.74 0.82 0.90 1.00 1.11 1.22 1.35 1.49 1.65 1.82 2.01 2.23 2.46 2.72

moindres carr es est lestimateur lin eaire sans biais de j de variance minimale. Le carr e de la norme du r esidu r 2 = y a 2 est alors une variable al eatoire de moyenne (N n) 2 .

On examine y (x) pn (x), o` u pn est la meilleure approximation de degr e moindres carr es: n=0
6

n au sens des

1.5
-

n=1

0.3
-

n=2

0.05
-

n=3

0.01
-

n=4

0.005
-

n=5

0.005
-

34construites

tr` es articiellement: chaque valeur de y est ex arrondie a ` deux chires signicatifs apr` es le

point d ecimal. . .

MATH2171 2005-06 3 Approximation en moyenne quadratique

115

Tant que n 3, lerreur (qui a dailleurs un petit air de polyn ome de Tchebyche. . . ) est syst ematique. A partir de n = 4, on a raisonnablement captur e le signal et on voit du bruit al eatoire. Il ne sert a ` rien de d epasser n = 4. . .
N

Voyons maintenant les sommes de carr es forc ement une fonction d ecroissante de n: 0.0005 6
i=1

[yi pn (xi )]2 (le 2 ) en fonction de n,

n= 20 On voit bien le comportement en constante (N n) a ` partir de n = 4. Cf. cboor.m 5. Approximation en norme

1.

On approche f par une combinaison lin eaire p des fonctions 0 ,. . . , n donn ees sur [a, b], et on cherche a ` minimiser
b b

f p

=
a

|f (x) p(x)| w (x) dx =

Sp (x) (f (x) p(x)) w (x) dx,

o` u w est une fonction poids donn ee. La fonction Sp d esigne le signe de f p. Comparons deux approximations:
b b

f q

1 f p

=
a

(Sq (x) Sp (x)) (f (x) q (x)) w (x) dx +

Sp (x) (p(x) q (x)) w (x) dx.

Si p et q sont proches, et si toutes les fonctions sont continues, la premi` ere int egrale est de lordre du carr e de la deuxi` eme. La condition de minimalit e de f p 1 est donc quil existe une fonction S , qui vaut partout 1 ou 1, et qui soit orthogonale a ` 0 ,. . . n . Cette fonction S ne d epend que de w et n. Pour f donn ee, p = p est alors la combinaison de 0 ,. . . , n interpolant f aux points de discontinuit e de S (points canoniques ), si f p ne change de signe en aucun autre point de [a, b]. Si w = constante sur [1, 1] et {0 , . . . , n } = Pn , alors les points canoniques sont les z eros du polyn ome de Tchebyche de deuxi` eme esp` ece Un+1 . Cf. [DeVLor, chap. 3, 10].

MATH2171 2005-06 3 Approximation en moyenne quadratique 6. S eries de Fourier en analyse num erique.

116

Lanalyse harmonique consiste a ` extraire dune fonction les harmoniques quelle contient en donnant a ` chacune le poids qui lui convient. La synth` ese consiste a ` reproduire la fonction a ` partir de ses harmoniques. J.P. Kahane, cit e dans M. Willem, Analyse harmonique r eelle, Hermann, Paris, 1995, p. 93. Ce quon appelle maintenant les s eries et int egrales de Fourier a une importance et une g en eralit e qui d epassent de beaucoup leur but initial. Il y a dinnombrables domaines de la physique et de la technique qui font un usage des m ethodes d evelopp ees par Fourier. Tous les probl` emes danalyse dimages y font appel, par exemple ceux qui sont rencontr es dans les scanners a ` rayons X ou les echographes a ` ultrasons. La recherche de la structure des grandes mol ecules au moyen de techniques cristallographiques, qui est a ` la base de la biologie mol eculaire, fait abondamment usage des transform ees de Fourier, et certains progr` es r ecents dans ce domaine sont dus au fait que les calculatrices arrivent a ` eectuer de plus en plus rapidement ces transformations. G. Charpak (Nobel physique 1992), cit e dans J. Lacouture, Champollion, une vie de lumi` eres , Grasset, 1988= Le Livre de Poche 6995, 1991.

Lanalyse de Fourier a dabord servi a ` quantier le contenu fr equentiel de ph enom` enes ondulatoires. On a ensuite utilis e des s eries de Fourier pour d ecrire des structures p eriodiques (cristaux). On traite maintenant de fa con purement num erique des signaux (son, image) par techniques de Fourier. Ces m ethodes se retrouvent dans des applications les plus diverses qui vont de la m edecine a ` lastrophysique. On utilise en math ematiques les m ethodes de Fourier dans l etude dop erateurs di erentiels 2 (initialement, Fourier sest occup e de l equation de la chaleur T /t = K T /x2 35), la th eorie des fonctions et de la mesure (des points ns de la th eorie des ensembles et de la th eorie de lint egration sont apparus a ` partir de s eries de Fourier), et on va jusqu` a trouver des s eries de Fourier dans des m ethodes de multiplication de grands nombres. . . (voir plus loin). Une fonction d ependant dune variable physique t est examin ee sur un intervalle de longueur T , soit parce que lon sait que cette fonction est p eriodique de p eriode T et est donc enti` erement sp eci ee par ses valeurs sur un tel intervalle, soit parce que lon soup conne quelle est de p eriode T , soit enn parce que lon juge bon d etudier lextension p eriodique de la fonction a ` partir de ses valeurs sur cet intervalle. On consid` ere donc que G(t + T ) = G(t) et le d eveloppement

G(t) A0 /2 +

(Ak cos(kt) + Bk sin(kt)) ,

k =1

o` u = 2/T est la pulsation du signal, 1/T est sa fr equence. Ces donn ees sappliquent a ` la fondamentale A1 cos(t) + B1 sin(t); chaque harmonique Ak cos(kt) + Bk sin(kt), k > 1, etant de pulsation k et de fr equence k/T . La justication de ce d eveloppement en s erie sera rappel ee plus loin. Passons a ` la variable sans dimension x = 2t/T et consid erons F (x) = G(t):

F (x) A0 /2 +
35J.

(Ak cos(kx) + Bk sin(kx)) ,

k =1

Fourier, Th eorie analytique de la chaleur , Didot, 1822, = Analytical Theory of Heat, (transl. A. Freeman), Dover, 1955.

MATH2171 2005-06 3 Approximation en moyenne quadratique passons aux exponentielles complexes exp(ikx) = cos(kx) + i sin(kx):
+

117

F (x)

Ck exp(ikx),
k =

avec Ak = Ck + Ck , Bk = i(Ck Ck ), k = 0, 1, . . .
%wavfft.m diary wavfft.dry nomf = input(nom du fichier wav ,s) [y,fs,fm]=wavread(nomf); fs,fm [s1,s2]=size(y) plot(1:s1,y);pause y2=y(1001:1100)-128; clear y plot(1:100,y2);pause;print -dps wavfft1;newplot;

La gure suivante montre un extrait du chier boing.wav, 100 valeurs cons ecutives prises toutes les emes 1/11025` de seconde dun signal sonore.

50 40 30 20 10 0 10 20 30 40 500

10

20

30

40

50

60

70

80

90

100

Consid erons la fonction constitu ee de la r ep etition ind enie de ces valeurs, cest donc une fonction p eriodique de p eriode T = 100 pas de temps. On voit aussi que le graphe manifeste une r ep etition de 6 motifs proches. Cest bien ce que montre lanalyse de Fourier de cette fonction: cc=0.01*fft(y2); cc(1:10) plot(0:20,abs(cc(1:21)));pause;print -dps wavfft2;newplot;

c1 c2 c3 c4 c5 c6 c7 c8 c9

c0 = = c1 = c2 = c3 = c4 = c5 = c6 = c7 = c8 = c9

-2.1600 = -0.2343 -0.1470i = -0.3038 -0.1246i = -0.5831 + 0.0526i = -0.0007 -0.2692i = -1.3874 +2.2894i = -15.5415 +4.4482i = -1.2355 -0.8023i = 2.2775 -1.5847i = 0.9349 +1.3177i

MATH2171 2005-06 3 Approximation en moyenne quadratique

18 16 14 12 10 8 6 4 2 00

118

10

12

14

16

18

20

40 30 20 10 0 10 20 30 400

On voit que c6 est nettement plus grand que les autres coecients. La contribution c6 e6ix + c6 e6ix restitue d ej` a presque la fonction:

10

20

30

40

50

60

70

80

90

100

cc(1)=cc(1)/2;cc=2*cc; dd=0*cc;dd(7)=cc(7); plot(1:100,100*ifft(dd(1:10),100));print -dps wavfft3;newplot La d ecroissance rapide des coecients permet de reconstituer la fonction par quelques termes de la s erie de Fourier: plot(1:100,100*ifft(cc(1:10),100));print -dps wavfft4

50 40 30 20 10 0 10 20 30 40 500

10

20

30

40

50

60

70

80

90

100

6.1. Comportement des coecients. (1) Si F est int egrable sur (, ): F L1 (, ), on a Ck 0 quand k (lemme de Riemann-Lebesgue). (2) Si F est de carr e int egrable sur (, ): F L2 (, ), les coecients sont de carr e 2 1 2 sommable: | C | = (2 ) F < (identit e de Parseval). k k =0 (3) Si F est ` a variation born ee sur [, ], cest-` a-dire si V = supj j |F (j +1 ) F (j )| < , |Ck | d ecro t au moins aussi vite que 1/k : |Ck | V /(|k | ), |k | > 0. Par ailleurs, on sait aussi que les sommes de Fourier convergent alors ponctuellement (vers

MATH2171 2005-06 3 Approximation en moyenne quadratique

119

la moyenne des limites a ` gauche et a ` droite si on est en un point de discontinuit e, th eor` emes de Dirichlet et Jordan). Examinons maintenant des sous-classes de fonctions continues p eriodiques:
/k

|k | > 0 : 2Ck =

F ( ) exp(ik )d =

/k

F ( ) exp(ik )d =

= do` u

F ( /k ) exp(ik )d =

F ( ) F ( /k ) exp(ik )d 2

|k | > 0 : |Ck | F (/|k |)/2. (4) On note Lip la classe des fonctions continues telles que F (h) Ch , 0 < 1 36 ( = 1: classe Lip des fonctions Lipschitziennes) , on a donc |Ck | C /|k | , ce qui nest pas tr` es brillant (on ne peut avoir > 1 si F nest pas constante!), mais (5) Si F , F ,. . . F (m) continues p eriodiques (cest-` a-dire continues sur [, ] et F ( ) = (m) (m) (m+1) F ( ), . . . , F ( ) = F ( )), et si F Lip , 0 < 1 (ou F (m+1) a ` variation born ee). Alors, 1 |k | > 0 : Ck = 2

F ( )e

ik

1 d = = 2 (ik )m+1

F (m+1) ( )eik d =

1 (m+1) Ck , m +1 (ik ) Ck etant le coecient de Fourier de F (m+1) , par r eduction des termes aux limites apparaissant dans les int egrations par parties. Et comme, par le point pr ec edent, (m+1) | C /|k | , |Ck C |k | > 0 : |Ck | m+1+ , |k | et, selon un raisonnement d ej` a tenu a ` propos de s eries de polyn omes de Tchebyche:
(m+1)

F Sn

k =n+1

(|Ck | + |Ck |)

2C . (m + )nm+

Application. Soit G une fonction de classe C 2 sur [a, b]. On veut approcher G par des combinaisons de fonctions se transformant de fa con commode sous laction dop erateurs di erentiels (m ethodes spectrales). Cest le cas des s eries de Fourier. G((a + b)/2 + (b a)/(2 )) a cependant un tr` es mauvais d eveloppement de Fourier si G(a) = G(b). On am eliore fortement les choses en proc edant comme suit: t = a + (b a)/ , 0 ; G(t) = + + F ( ), o` u + est linterpolant lin eaire de G en a et b, assurant donc F (0) = F ( ) = 0. On d enit alors F ( ) = F ( ) sur [, 0]. Les coecients de Fourier de F d ecroissent maintenant comme k 3 : F ( ) = F ( ) = 0, F (0+ ) = F (0 ) = 0, F (0 ) = lim
36Un 0 <0

F ( ) F ( ) F ( ) = =

= F (0+ ),

exemple int eressant est donn e par les s eries de Fourier violemment lacunaires m=0 um cos(v m ), avec u > 0, v entier > 1, u < 1, et surtout uv > 1. De telles fonctions sont continues partout et d erivables nulle part (Weierstrass). On calcule quelles sont dans Lip avec = log(1/u)/ log v . Si v est impair, les sommes de Fourier sont aussi optimales au sens de Tchebyche (th eor` eme d equioscillation!).

MATH2171 2005-06 3 Approximation en moyenne quadratique F ( ) = lim F ( ) F ( + ) F ( + ) = = = F (( )+ ),

120

0 >0

donc F et F sont continues p eriodiques dans R: m = = 1.

6.2. Transform ee de Fourier discr` ete. Cf. [GasW]. Soit N pair et consid erons le produit scalaire discret
N 1

(f, g )N :=
m=0

f (2m/N )g (2m/N ).

On a alors: Proposition. Si N est pair, les N fonctions exp(ikx), k = N/2, N/2 + 1, . . . , N/2 2, N/2 1 sont orthogonales relativement au produit scalaire ( , )N , de m eme norme N . N 1 En eet, (exp(ik1 x), exp(ik2 x))N = m=0 exp(i(k1 k2 )2m/N ), ce qui est une progression g eom trique de raison r = exp(i(k1 k2 )2/N ) = 1 seulement si k1 = k2 , puisque |k1 k2 | ne peut valoir dautre multiple entier de N que 0, et la somme de la progression vaut alors N ; si k1 = k2 , la somme vaut (1 r N )/(1 r ) = 0. La meilleure approximation de f dans lespace VN sous-tendu par exp(ikx), k = N/2, N/2+ 1, . . . , N/2 2, N/2 1 est donc
N/21

fN (x) =
k =N/2

ck

(N )

exp(ikx),

avec
N 1 (N ) ck

= (f, exp(ikx))N / exp(ikx)

2 N

=N

1 m=0

f (2m/N ) exp(ik 2m/N ) ,

k = N/2, N/2 + 1, . . . , N/2 2, N/2 1. La norme de f fN est donc la plus petite norme de f p que lon puisse trouver avec p VN . Comme cette norme ne fait appel qu` a N valeurs ponctuelles x = 2m/N , m = 0, . . . , N 1, et que VN est de dimension N , on sattend a ` ce quil soit possible de trouver une combinaison p des N fonctions de base de VN interpolant f aux points 2m/N , et on aurait donc f fN f p = 0, ce qui se v erie: Proposition. fN interpole f aux points x = 2m/N , m = 0, . . . , N 1. N/21 (N ) En eet, on v erie directement que fN (2m/N ) = k=N/2 ck exp(ik 2m/N ) = N 1 N 1
N/21 N 1 n=0 f (2n/N ) exp(ik 2n/N ) exp(ik 2m/N ) = k =N/2 N/21 N 1 n=0 f (2n/N ) k =N/2 exp(ik 2 (m n)/N ) = N 1 n=0 f (2n/N )N m,n = f (2m/N ), ou on applique la remarque

N 1 lidentit e (77).

de la page 113 et

MATH2171 2005-06 3 Approximation en moyenne quadratique

121

Cette propri et e dinterpolation nemp eche pas les harmoniques de fN de risquer d etre quelque peu bouscul es:
N 1 (N ) ck

=N =N

1 m=0 N 1 1 m=0

f (2m/N ) exp(ik 2m/N )

cl exp(i 2m/N ) exp(ik 2m/N ) exp(i( k )2m/N )

N 1

= N 1
=

cl
m=0

Ph enom` ene de pliage fr equentiel, ou aliasing, quon a d ej` a rencontr e avec les d eveloppements en s eries de polyn omes de Tchebyche. A noter que les harmoniques discr` etes sont exactes si le signal initial na pas dharmonique avec |k | > N/2 37: il faut ltrer un signal avant deectuer la discr etisation. Lanalyse dun signal num eris e consiste donc a ` calculer les sommes de produits
N 1 (N ) ck

= + ck2N + ckN + ck + ck+N + ck+2N +

=N

1 m=0

f (2m/N ) exp(ik 2m/N )

pour N valeurs cons ecutives de k ; La synth` ese num erique du signal consiste a ` le reconstituer aux N points x = 2m/N , m = 0, . . . , N 1 par calcul de
N/21

fN (2m/N ) = f (2m/N ) =
k =N/2

ck

(N )

exp(ik 2m/N ).

6.3. Tranform ee de Fourier rapide (Fast Fourier Transform FFT). Dans les deux cas, il sagit d evaluer N expressions Yp =
q =N 1 q =0

Xq pq ,

(78)

o` u est tant ot exp(2i/N ) (analyse), tant ot exp(2i/N ) (synth` ese). Il nous importe seulement que N = 1. pq M eme si les sont pr ecalcul es, il semble in evitable de devoir eectuer N additions et N multiplications par Yp , soit 2N 2 op erations en tout. Le caract` ere relatif de cette obligation apparente appara t mieux quand on examine des probl` emes multidimensionnels: ainsi, un probl` eme a ` deux dimensions demande de calculer Yp1 ,p2 =
q1 =N1 1 q2 =N2 1 q1 =0 q2 =0 p1 q 1 p2 q 2 2 , Xq1 ,q2 1

pour N1 N2 couples (p1 , p2 ), do` u apparemment 2(N1 N2 )2 op erations. Mais on voit que si on ecrit Yp1 ,p2 =
37Ce
q1 =N1 1 q1 =0 p1 q 1 1 q2 =N2 1 q2 =0 p2 q 2 Xq1 ,q2 2

quon peut voir comme une version simpli ee du th eor` eme de Shannon: un signal ne contenant que des fr equences F peut etre reconstruit enti` erement a ` partir dun echantillonnage de pas 1/(2F ).

MATH2171 2005-06 3 Approximation en moyenne quadratique

on evalue dabord les N1 N2 expressions interm ediaires Zp2 ,q1 =
q =N 1 q2 =N2 1 q2 =0

122

p2 q 2 Xq1 ,q2 2 en 2(N1 N2 )N2 op erations,

p1 q 1 1 et on obtient le r esultat nal Yp1 ,p2 = q1 1 Zp2 ,q1 en 2(N1 N2 )N1 op erations suppl ementaires, soit 1 =0 2(N1 N2 )(N1 + N2 ) op erations en tout! Avec un probl` eme tridimensionnel, on aurait 2(N1 N2 N3 )(N1 + N2 + N3 ) op erations. Lalgorithme de transform ee discr` ete de Fourier rapide (fast Fourier transform FFT) de Cooley et Tukey 38 introduit syst ematiquement ce m ecanisme: si N nest pas un nombre premier, soit N = N1 N2 , eectuons la division de p {0, 1, . . . , N 1} par N2 , soit p2 le reste {0, 1, . . . , N2 1} et p1 le quotient {0, 1, . . . , N1 1} puisque p < N . De m eme, on eectue la division de q par N1 : q = q2 N1 + q1 , 0 q1 < N1 , 0 q2 < N2 , et (78) devient

Yp = Yp1 N2 +p2 =
0 q1 <N1 0 q2 <N2

Xq2 N1 +q1 (p1 N2 +p2 )(q2 N1 +q1 ) Xq2 N1 +q1 p1 q2 N2 N1 +p1 q1 N2 +p2 q2 N1 +p2 q1
0 q1 <N1 0 q2 <N2

=
0 q1 <N1 0 q2 <N2 N1 1 q1 =0

Xq2 N1 +q1 p1 q1 N2 +p2 q2 N1 +p2 q1

N2 1 q2 =0

puisque N1 N2 = N = 1,

Xq2 N2 +q1 N1

p2 q 2

p2 q 1 N 2

p1 q 1

On retrouve la forme bidimensionnelle. Ce nest pas tout! Les expressions int erieures Z p2 ,q1 (entres crochets) sont encore de la forme (78), avec N1 au lieu de , on doit donc pouvoir les evaluer a ` leur tour par FFT si esultat nal est lui-m eme N2 nest pas premier (N est remplac e par N2 : on a bien ( N1 )N2 = 1), etc. Et le r une FFT de taille N1 r ealis ee avec N2 . On a donc la description r ecursive suivante: Algorithme FFT: Si N est premier, eectuer (78) en 2N 2 op erations. Si N = N1 N2 , Pour q1 = 0, . . . , N1 1: Eectuer lalgorithme FFT avec les N2 donn ees Xq2 N1 +q1 , q2 = 0, . . . , N2 1. On recueille ainsi un vecteur d el ements Zp2 ,q1 , p2 = 0, . . . , N2 1. Fin de la boucle q1 . On multiplie chaque Zp2 ,q1 par le twiddle factor p2 q1 . Pour p2 = 0, . . . , N2 1: Eectuer lalgorithme FFT avec les N1 donn ees Zp2 ,q1 p2 q1 , q1 = 0, . . . , N1 1. On recueille ainsi Yp1 N2 +p2 , p1 = 0, . . . , N1 1. Fin de la boucle p2 . Appr ecions maintenant le nombre NN dop erations r eellement eectu ees: si N nest pas premier, N N = N1 NN2 + N + N2 NN1 , ou encore: NN 1 NN 2 NN = + + 1. N N1 N2 Si 1 ,. . . , sont les facteurs premiers (pas n ecessairement distincts) de N , on a donc NN = N
38

N =1

=N

+2
=1

J.W. Cooley, J.W. Tukey, An algorithm for the machine calculation of complex Fourier series, Math. Comput. 19 (1965) 297-301. Cet article, arriv ea ` point nomm e, est cr edit e de 2155 citations n 1993, un record. Apr` es coup, on a retrouv e des pr ecurseurs signicatifs dans des ouvrages de Lanczos, Runge, et m eme Gauss (cf. pp. 8 et 9 de Current Contents PC&ES 33 (20-27 Dec. 1993) #51-52).

MATH2171 2005-06 3 Approximation en moyenne quadratique

En particulier, si N est une puissance de 2, N = 2 , en fait, encore moins, puisque certains twiddle factors valent 1. Exercice. Reprendre le raisonnement avec N pair, N1 = 2, N2 = N/2: Y0 Y1 Y2 YN/2 YN/2+1 YN/2+2 = X0 = X0 = X0 = X0 = X0 = X0 + X2 + X2 2 + X2 4 + X2 + X2 2 + X2 4 + ... + ... + ... + ... + ... + ... + XN 2 + XN 2 N 2 + XN 2 2N 4 + XN 2 + XN 2 N 2 + XN 2 2N 4 + X1 + ( X1 + 2 ( X1 ( X1 ( X1 2 ( X1 + X3 + X3 2 + X3 4 + X3 + X3 2 + X3 4 + ... + ... + ... + ... + ... + ... NN = 5N = 5N log2 N,

123

o` u on utilise N/2 = 1. Convolutions et produits de grands nombres. La convolution de deux suites {x0 , x1 , . . . , xN 1 } et {y0 , y1 , . . . , yN 1 } est la suite {zk = 0 <N,0 k = 0, 1, . . . , 2N 2. Le calcul de z0 , z1 , . . . , z2N 2 prend apparemment 2N 2 op erations. Aha ! Les zk sont eectivement les coecients de f (u)g (u) =
N 1 =0 2 2N 1

+ XN 1 + XN 1 N 2 ) + XN 1 2N 4 ) + X N 1 ) + XN 1 N 2 ) + XN 1 2N 4 )

m<N, +m=k

x y m },

xu

N 1 m=0

y m um

2N 2 k=0

z k uk .

Il sut donc d evaluer f et g en u = 1, , , . . . , (synth` ese), avec = exp(i/N ) (on travaille avec 2N au lieu de N ), et de r ecup erer les zk a ` partir de ces 2N valeurs (analyse), donc, tout cela avec trois FFT! 39 N 1 Produit de grands nombres: si F et G sont donn es par leurs d eveloppements en base b F = =0 x b , N 1 40 m eveloppement en base b de F G G = m=0 ym b , on obtient facilement le d Karatsuba: ab = [(a + b)2 (a b)2 ]/4, il sut de savoir evaluer des carr es. Soit X un nombre de p chires en base b, on ecrit X = Y bp/2 + Z , et X 2 fait appel a ` Y 2, Z 2, Y Z evalu e par (Y Z )2 . MAIS 2 2 2 2 (Y Z ) = 2Y + 2Z (Y + Z ) ! Trois carr es de nombres de p/2 chires susent. Co ut C (p) = 3C (p/2)+ const. p. Cela donne p(3/2)log2 p = p1+log2 (3/2) = p1.585 . Voir aussi From: Daniel Potts <potts@math.uni-luebeck.de> Date: Fri, 20 Sep 2002 09:46:22 +0200 Subject: NFFT, Nonequispaced Discrete Fourier Transform Dear colleagues: we are pleased to announce the availability of Version 1.0 of a C library for computing the Nonequispaced Discrete Fourier Transform (NDFT) in one, two or three dimensions. Other common names for NFFT are non-uniform fast Fourier transform (NUFFT), generalized fast Fourier transform (GFFT), unequally-spaced fast Fourier transform (USFFT), non-equispaced fast Fourier transform (NFFT), or gridding. Our library is free software based on FFTW. Visit our NFFT web-page http://www.math.uni-luebeck.de/potts/nfft for software, documentation, and related links. For those who would prefer to experiment with such tools in Matlab, we have independently developed a NUFFT toolbox that uses interpolators that have been min-max optimized to minimize the worst-case interpolation error. The toolbox is one part of a large collection of m-les developed for image reconstruction problems, and is located here: http://www.eecs.umich.edu/~fessler/code/index.html Sincerely, Je Fessler Cf. P. Henrici, Applied & Computational Complex Analysis III , Wiley, 1986, et Fast Fourier methods in computational complex analysis, SIAM Rev. 21 (1979) 481-527. 40 Technique eectivement utilis ee dans D.H. Bailey, Algorithm 719. Multiprecision translation and execution of FORTRAN programs, ACM Trans. Math. Soft. 19 (1993) 288-319.
39

MATH2171 2005-06 3 Approximation en moyenne quadratique

124

From: Daniel Potts <potts@math.uni-luebeck.de> Date: Tue, 7 Sep 2004 15:12:47 +0200 (CEST) Subject: NDFT, Nonequispaced Discrete Fourier Transform We are pleased to announce version 2.0 of our C library for computing the nonequispaced discrete Fourier transform (NDFT) in one or more dimensions, of arbitrary input size. Other common names for NFFT are nonuniform fast Fourier transform (NUFFT), generalized fast Fourier transform (GFFT), unequally spaced fast Fourier transform (USFFT), or gridding. Our library is free software, and based on FFTW 3.x. ... The NFFT has a lot of applications, see e.g. http://www.math.uni-luebeck.de/potts/nfft/links.sql such as: - summation at nonequispaced knots, evaluation of radial functions - spherical Fourier algorithms - Fourier reconstruction algorithms for (medical) imaging CT/MRI - a new method for particle simulations From: Steven G. Johnson <stevenj@tw.org> Date: Fri, 14 May 2004 21:10:36 -0400 (EDT) Subject: Harminv 1.0, Extracting Frequencies Better Than the FFT ANNOUNCE: Harminv 1.0 extracting frequencies better than the FFT Im pleased to announce the availability of Harminv 1.0, a free program and C library for harmonic inversion: decomposing a time-series into a sum of sinusoids, including exponentially decaying sinusoids. http://ab-initio.mit.edu/harminv/ Harminv is an implementation of the lter diagonalization method (FDM) of Mandelshtam & Taylor (see URL for references), which maps the harmonic inversion problem onto a small eigen-problem (size proportional to the number of sinusoids). This method has been widely employed in physics since its inception in 1997, and is often able to obtain much more robust and accurate solutions for the frequencies, etcetera, than e.g. direct least-squared tting of the data or its FFT spectrum (which are typically very ill-conditioned approaches). Ive been happily using this code for a few years now in my own research, and I nally got around to releasing it. I hope that others nd it useful. Cordially, Steven G. Johnson

6.4. Analyse en ondelettes.

Soit une fonction de support compact. On d ecide de repr esenter des fonctions d enies sur R en une comx 1/2 binaison de fonctions a,b (x) = |a| b (ondelettes ) pour un ensemble d enombrable de param` etres a a et b. est une fonction qui oscille plusieurs fois sur un support born e:
1 1 0.5

0.5

-0.5 -1 -0.5 0

0.5 1

1.5 2

2.5 3

3.5 4 -0.5 0

Linear B-spline wavelet

Quadratic B-spline wavelet

Exemples dondelettes (fonctions ), extrait de M. Ueda, S. Lodha, Wavelets: An Elementary Introduction and Examples, ftp://ftp.cse.ucsc.edu/pub/tr/ucsc-crl-94-47.ps.Z

MATH2171 2005-06 3 Approximation en moyenne quadratique

125

Le coecient de a,b dune fonction nous renseigne sur lamplitude de cette fonction dans un voisinage de ab, information quon ne retrouve pas avec des s eries ou transform ees de Fourier; cependant, pour a petit, le coecient de a,b fournit une information fr equentielle, londelette se comportant alors comme un train dondes de haute fr equence. On esp` ere ainsi disposer dun outil tr` es souple danalyse de signal. Pour a donn e, on note Va lespace vectoriel sous-tendu par des fonctions a,kb0 , k Z. Va sera par exemple lensemble des fonctions continues lin eaires par morceaux dans les intervalles [kab 0 , (k + 1)ab0 ], et a,kb0 sera alors 1 |x kab0|/(ab0 ) dans [(k 1)ab0 , (k + 1)ab0 ], 0 ailleurs (ce ne sont pas encore les fonctions ). On consid` ere une suite {Vaj } de tels espaces permettant donc de repr esenter de plus en plus nement une fonction a ` mesure que aj est petit (analyse multi-r esolution ). Les approximations successives f j et fj +1 sont les projections orthogonales de f dans Vaj et Vaj+1 . Les espaces dondelettes Wj contiennent les di erences (d etails ) fj +1 fj : Vaj+1 = Vaj Wj . fj (x) = fj +1 (x) =

j,k aj ,kb0 (x), j +1,k aj+1 ,kb0 (x),

k=

k= k=

= fj (x) + Et donc, formellement, f (x) =

j =

j,k aj ,kb0 (x).

k=

j,k aj ,kb0 (x) .

On sarrange g en eralement pour que les Wj soient orthogonaux entre eux: ap ,b aq ,c si p = q , parfois pour que toutes les a,b soient orthogonales entre elles (plus rare). Exemple de d etermination de a ` partir de : soit aj = a0 /2j , Va0 = lespace des fonctions lin eaires par morceaux sur les intervalles [ka0 b0 , (k + 1)a0 b0 ], (x) = 1 |x|/b0 sur [b0 , b0 ], (x) = 0 quand |x| > b0 . (x/a0 ) est une fonction de Va1 = Va0 /2 orthogonale a ` toutes les fonctions a0 ,kb0 (x) = (x/a0 kb0 ). On trouve ((k 1)b0 ) + 6 ((k 1/2)b0 ) + 10 (kb0 ) + 6 ((k + 1/2)b0 ) + ((k + 1)b0 ) = 0, k Z.

Il y a plusieurs solutions de support born e, par exemple (gure), (b0 /2) = 1, (b0 ) = 6, (3b0 /2) = 10, (2b0) = 6, (5b0 /2) = 1, (x) = 0 si x 0 ou x 3b0 . Nombreuses applications en traitement dinformations visuelles et sonores, http://www.larecherche.fr/arch/02/01, etc. Ref: [GasW], nombreux livres et articles de I. Daubechies, Y. Meyer, etc., nombreuses contributions sur le web, par exemple http://www.cs.kuleuven.ac.be/~wavelets/ P. Bechler, Lebesgue constant for the Str omberg wavelet, J. Approx. Theory 122 (2003) 13-23. From: Brigitte Forster <brigitte.forster@ep.ch> Date: Mon, 27 Jan 2003 09:04:40 +0100 Subject: Revamped Wavelet Digest Dear collegues, We are very happy to announce you that the revamped wavelet digest took o. http://www.wavelet.org/ The Wavelet Digest was founded by Wim Sweldens. Its rst issue was released on July 24, 1992. Since then, the impact of the digest on the community kept increasing and the number of subscribers grew up to almost 20000 by the end of 2001. During all those years, Wim has edited and assembled the digest. Now, the Wavelet Digest takes o again, restyled and hosted by the Swiss Federal Institute of Technology Lausanne (EPFL). So if you have any information you want to send out to the wavelet community, please submit it to the digest. The digest will be send out depending on the number of submissions. We do hope to have an issue about every two weeks. To subscribe the wavelet digest please follow the link http://www.wavelet.org/index.php?subscribe=1

MATH2171 2005-06 3 Approximation en moyenne quadratique

126

With best regards, The Wavelet Digest Team From: Laurent Demanet <demanet@acm.caltech.edu> Date: Thu, 14 Jul 2005 Subject: The Curvelab Toolbox at Curvelet.org Curvelab is a new toolbox implementing the Curvelet transform, both in Matlab and C++, and can be downloaded from http://www.curvelet.org Curvelets are multiscale oriented basis elements that were introduced by Candes and Donoho to address the problem of representation of edges in geometrical images. Since then, they have found applications at least in seismic imaging, astronomy, and the numerical analysis of wave equations. The software Curvelab contains two distinct implementations of the 2D Curvelet transform, namely via Wrapping and via USFFT. Both architectures are introduced and explained in the report Fast Discrete Curvelet Transforms, available online. The 3D transform is also present in Curvelab, in three dierent versions: in-core, out-of-core and fully MPI-based parallel. The 3D code is covered in a separate online report. Several demo les illustrate the transforms at work on image processing tasks such as denoising and partial reconstructions. Additional routines are provided to help the user understand the geometry of the transform (location, orientation and scale for each coecient.) A users guide explains how to set up the toolbox step-by-step on your computer. The webpage http://www.curvelet.org is also meant to serve as a repository of papers related to curvelets as implemented in Curvelab. It contains a list of links to applications of curvelets, and researchers in the eld. There is also a mailing list: sign up to stay up-to-date on future software releases and other curvelet-related information. The Curvelab team: E. Candes, L. Demanet, D. Donoho and L. Ying.

MATH2171 2005-06 3 Approximation en moyenne quadratique 7. Convergence, espace de Hilbert

127

7.1. Suites totales et maximales. Soit {0 , 1 , . . .} une suite orthonormale de lespace pr ehilbertien X sur C, et Vn le sousespace de base {0 , . . . , n }, n = 0, 1, . . . Comme Vn Vn+1 , la norme derreur de meilleure approximation de f X dans Vn d ecro t quand n augmente:
n n

p n =
k =0

c k k ,

f p n

= f

k =0

|c k | 2 ,

o` u ck = (f, k ), k = 0, 1, . . . La suite des coecients ck de tout f X est donc toujours de carr e sommable, et

f X,

k =0

|ck |2 f

( in egalit e de Bessel ). D enition. Une suite {0 , 1 , . . .} dun espace norm e X est totale dans X si les combinaisons lin eaires nies des el ements de la suite forment un ensemble dense dans X , cest-` a-dire si, > 0, p = c0 0 + + cn n : f p . On va donc devoir se poser la question de savoir si {0 , 1 , . . .} est totale dans notre espace X donn e. Existe-t-il f X quon ne pourrait pas approcher daussi pr` es que lon veut par des combinaisons des k ? Les meilleures combinaisons possibles sont les p n = n k =0 ck k . Quand n augmente, les f p n , qui gardent des normes ne tendant pas vers zero, sont orthogonaux a ` de plus en plus de k , k = 0, 1, . . . A la limite (tout est dans ce mot), f p serait orthogonal a ` tous les k . Pour exploiter cette id ee de possibilit e, ou dimpossibilit e, dexistence dun el ement non nul de X orthogonal a ` tous les k , il faut donner un sens a ` k=0 ck k . Exemple. Prenons X = espace des fonctions mesurables born ees sur [, ] (cest-` a-dire 41 f X, M < : |f (x)| M, x ), muni du produit scalaire habituel (f, g ) = f (x)g (x)dx. La suite k (x) = (2 )1/2 exp(ikx), k = 0, 1, . . . est une suite orthonormale de X . Avec f (x) = sign x, on trouve ck = 0 si k est pair, ck = 4i(2 )1/2 /k si k est impair, 1 mais n ln | cot(x/2)| quand n , ce qui nest pas born e, donc k =1 ck k (x) sign x 2i pas dans X . On montrera plus loin que, si la suite k (x) = (2 )1/2 exp(ikx), k = 0, 1, . . . nest eectivement pas totale, la suite 2k (x) = (2 )1/2 exp(ikx), k = 0, 1, . . . , 2k+1 (x) = (2 )1/2 exp(ikx), k = 0, 1, . . . , lest. 2 Proposition. Pour toute suite {ck } e sommable n = 0 de carr 0 |ck | < , la suite {p n k =0 ck k }0 est une suite de Cauchy dans X .
fonction mesurable de valeur absolue born ee est int egrable; le produit de deux fonctions de ce type poss` ede encore les m emes propri et es, et est donc int egrable
41Une

MATH2171 2005-06 3 Approximation en moyenne quadratique

128

D enition. Un espace de Hilbert est un espace pr ehilbertien42complet (toute suite de Cauchy dans X a donc une limite dans X ). Un espace de Hilbert s eparable est un espace de Hilbert admettant une suite totale (suite= famille d enombrable). D enition. Une suite orthonormale dun espace pr ehilbertien X est maximale peut trouver de suite orthonormale plus grande dans X . Nous avons maintenant tous les el ements pour appr ecier le
43

En eet, v erions que, > 0, on peut trouver n tel que p n2 p n1 d` es que n2 n1 n2 2 n: il sut de remarquer que p n2 p n1 2 = ( p n2 p n1 , p n2 p n1 ) = ( n c n1 +1 n n , n1 +1 cn n ) = 2 2 |cn1 +1 | + + |cn2 | .

si on ne

7.2. Th eor` eme. Soit {0 , 1 , . . .} une suite orthonormale de lespace pr ehilbertien X . Consid erons les 7 propositions: (1) La suite {0 , 1 , . . .} est totale dans X . (2) Le d eveloppement en s erie des k de tout f X converge en norme vers f :
n n

lim f p n = f

(f, k )k = 0,
k =0

(3) Pour tout f X , on a f

2

=
k =0

|ck |2 =

k =0

|(f, k )|2 ,

(relation de Parseval ), (4) Pour tout f, g X , on a (f, g ) =

ck d k =
k =0 k =0

(f, k )(k , g ),

Alors,

(relation de Parseval etendue , ou Riesz-Fischer), (5) La suite {0 , 1 , . . .} est maximale dans X . (6) f X , (f, k ) = 0, k = 0, 1, . . . f = 0, (7) Tout el ement f de X est enti` erement d etermin e par ses coecients ck = (f, k ), k = 0, 1, . . .: (f, k ) = (g, k ), k = 0, 1, . . . f = g . (1) (2) (3) (4) (5) (6) (7).

De plus, si X est un espace de Hilbert, les propositions (1) a ` (7) sont equivalentes.
quun espace pr ehilbertien est consid er e ici comme norm e, donc s epar e, cf. 1.2, p. 74. [Dav] pp.191194, aussi p.257. Attention! Davis appelle closed ce qui est ici totale, et complete ce qui est ici maximale. Pour ne rien arranger, R. Courant, D. Hilbert, Methods of Mathematical Physics I , Interscience 1953, adopte la terminologie inverse. Pour la nomenclature en fran cais, cf. par exemple, J.-P. Bertrandias, Math ematique pour linformatique. 1-Analyse fonctionnelle , A. Colin, 1970, chap. 3, G. Choquet, Cours danalyse II, topologie , Masson, 1969, chap. VII-IV, J. Dieudonn e, Fondements de lanalyse moderne , Gauthier-Villars, 1965, chap. 6.
43Cf. 42Rappelons

MATH2171 2005-06 3 Approximation en moyenne quadratique

129

En eet, on a d ej` a etabli l equivalence entre (1), (2) et (3), puisque les p n sont les meilleures 2 combinaisons possibles, et f p n 2 = f 2 n | c | . k =0 k Montrons que (2) (4): comme f p n et g q n sont orthogonaux a ` Vn , (f p n , g q n ) = (f p n , g ) = (f, g ) ( pn , g ) = (f, g ) ( pn , g q n + q n ) = (f, g ) ( pn , q n ) = (f, g ) Appliquons lin egalit e de Cauchy-Schwarz:
n n

ck d k ,
k =0

|(f, g )

k =0

n , g q n )| ck dk | = |(f p

f p n g q n )

qui tend bien vers 0 quand n , par (2). (4) (3): il sut de prendre g = f . (1) (5): supposons que lon puisse construire X , = 1, tel que la suite {, 0 , 1 , . . .} soit encore orthonormale dans X . Mais {0 , 1 , . . .} etant totale, appliquons Parseval avec 2 2 f = : 2 = | c | = | ( , ) | = 0, contradiction. k k =0 k k =0 (5) (6) est imm ediat. (6) (7): on utilise (6) avec f g au lieu de f ; (7) (6): on prend g = 0. Soit X Hilbert, montrons que lune des propositions (5) (7) implique lune des propositions (1) (4), choisissons (7) (2): les approximations p n de f forment une suite de Cauchy et tendent donc vers un certain p X . Il faut montrer que p = f . Or, pour tout k x e, (p, k ) = limn ( pn , k ) = (f, k ) a ` partir de n = k , donc p et f ont tous leurs coecients identiques, donc p = f .
Contre-exemple. La fonction f (x) = sin(x tg ( )) est orthogonale a ` tous les polyn omes selon le produit scalaire (f, g ) =
0

f (x)g (x) exp(x ) dx si 0 < < 1/2 (Stieltjes, Hamburger, cit e dans O. Perron,

Die Lehre von den Kettenbr uchen, 1929, 67). On applique une identit e de la fonction Gamma (d eformation du parcours dint egration)
0

t 1 exp(tei ) dt = exp(i )( ) si > 0 et /2 < < /2. La partie

imaginaire est nulle si est un multiple entier > 0 de : soit = et = n/, n = 1, 2, . . . , et on pose t = x / cos( ). On obtient bien
0

f (x)xn1 exp(x ) dx = 0 pour n 1 = 0, 1, . . . La suite des

piolyn omes est donc non maximale, donc non totale, dans tout pr ehilbertien pour le produit scalaire indiqu e, et contenant f .

7.3. Exemples de suites totales dans C [a, b] et L2 ([a, b], ). L2 ([a, b], ) est lespace des fonctions de carr e int egrables sur [a, b], muni du produit b scalaire (f, g ) = a f (x)g (x) d(x), f et g etant consid er ees comme equivalentes si f g = 0. Cet espace de fonctions (en fait, de classes d equivalence de fonctions) est un espace de Hilbert. Lorsque [a, b] est born e, lespace des fonctions continues C [a, b] est dense dans L2 ([a, b], ) (au sens de la norme de L2 ), ce qui permet d etablir le caract` ere total de suites de L2 en passant par C , ce qui est dailleurs tr` es int eressant en soi. 7.4. Th eor` eme dapproximation de Weierstrass. Si [a, b] est born e, les polyn omes forment un ensemble dense dans C [a, b], muni de la norme du maximum.

MATH2171 2005-06 3 Approximation en moyenne quadratique

130

La d emonstration utilisera une construction tr` es utile et tr` es ing enieuse a ` de nombreux egards: Polyn omes de Bernstein. Soit f une fonction d enie sur [0, 1]. On consid` ere lop erateur Bn :
n

(Bn f )(t) := o` u n k =

f
k =0

k n

n k t (1 t)nk , k
n

n! est un coecient binomial: (x + y )n = k !(n k )!

k =0

le nombre de combinaisons sans r ep etition de n objets pris k a ` k: n 2 = n(n 1)/2, . . .

n n k nk est x y . k k n n = n, = 1, 1 0

n n n = 1, = . n k nk On constate rapidement (Bn f )(0) = f (0), (Bn f )(1) = f (1), f (t) 1 (Bn f )(t) 1, Bn est un op erateur lin eaire positif, on entend par ce dernier terme que f (t) 0 sur [0, 1] (Bn f )(t) 0 sur [0, 1]. Remarquons que la lin earit e et la positivit e impliquent |f (t)| g (t) sur [0, 1] |(Bn f )(t)| (Bn g )(t) sur [0, 1].

1 (1) Prob. totale

n

-t

Pour aller plus loin, constatons que wk (t) := n tk (1 t)nk est la k probabilit e dobtenir k fois un ev` enement de probabilit e t sur n tirages ind ependants: loi binomiale. Des propri et es bien connues de cette loi sont:
n

wk (t) = 1,
k =0

(2) Moyenne
k =0 n

k wk (t) = nt, (k nt)2 wk (t) = nt(1 t).

(3) Variance
k =0

On en tire des informations sur lapplication de lop erateur Bn a ` des polyn omes de degr e 0, 1 et 2: (1) f (x) = 1: (Bn f )(t) = 1, (2) f (x) = x: (Bn f )(t) = t, (3) f (x) = x2 : (Bn f )(t) = t2 + t(1 t)/n,

Pour le dernier cas, on d eveloppe le carr e de k nt dans lidentit e de la variance, et on divise 2 par n . Les polyn omes de degr e 1 sont donc reproduits exactement par Bn , et on a pour le degr e 2: (Bn (Ax2 + Bx + C ))(t) = At2 + Bt + C + At(1 t)/n. Ceci sut a ` assurer la D emonstration du th eor` eme de Weierstrass par polyn omes de Bernstein. Soit f continue sur [0, 1], et > 0. Montrons quil existe n tel que Bn f f .

MATH2171 2005-06 3 Approximation en moyenne quadratique Soit x un point de [0, 1]. Comme Bn reproduit la constante f (x),
n

131

(Bn f )(x) f (x) =

wk (x)[f (k/n) f (x)].

Introduisons le module de continuit e de f : |k/n x| h

|f (k/n) f (x)| 1 k/n

f (|k/n x|)

1+

f (h),

Bn f f

par (48) (p. 60), o` u h est un r eel > 0 non encore d etermin e. 2 x Soit = (k/n x)/h. Par 1 2| | + 0, 3 (k/n x)2 |k/n x| + , o` u nous retrouvons la vari1+ h 2 2h2 ance de la loi binomiale! Donc, 3 x(1 x) + , et enn |(Bn f )(x) f (x)| f (h) 2 2nh2 const. f (n1/2 ), en prenant h = n1/2 .

On peut reprendre la preuve avec tout op erateur Kn ayant les 3 propri et es: lin earit e, positivit e, et f (t) = At2 + Bt + C Kn f f |A|n , avec n 0 quand n (Korovkin). Ici, n = 1/(4n).
Autres propri et es des polyn omes de Bernstein. Quelques ref.: Z. Ditzian, V. Totik, Moduli of Smoothness, Springer, 1987. Zhongkai Li, Bernstein polynomials and modulus of continuity, J. Approx. Theory 102 (2000) 171-174. G.G. Lorentz, Bernstein eme polynomials, Univ. Toronto Press, 1953, 2` ed.: Chelsea, 1986; C.A. Micchelli, Mathematical Aspects of Geometric Modeling, SIAM (CBMS-NFS 65) 1995); G. Farin, Curves and Surfaces for Computer Aided Geometric Designn. A Practical Guide, Academic Press, 2nd ed., 1990.

La d eriv ee de Bn f est obtenue en appliquant lop erateur Bn1 aux di erences divis ees n[f ((k + 1)/n) f (k/n)], k = 0, 1, . . . , n 1. n k dxk (1 x)nk n! Bn f (x) En eet, = f = dx k !(n k )! n dx 0 (n 1)! k k n xk1 (1 x)nk n xk (1 x)n1k f n k !( n 1 k )! n 1 0 k+1 k f f n1 (n 1)! n n = xk (1 x)n1k k !( n 1 k )! 1 /n 0 La valeur de Bn f en x est identique a ` la valeur de Bn1 aux combinaisons xf ((k + 1)/n) + (1 x)f (k/n), k = 0, 1, . . . , n 1. n n (n 1)! k k (n 1)! n! xk (1 x)nk = f xk (1 x)nk = f + En eet, Bn f (x) = k !( n k )! n ( k 1)!( n k )! k !( n 1 k )! n 0 0
n1 0 n

(n 1)! f (k 1)!(n k )!

n1

(n 1)! xf k !(n 1 k )!

k+1 n

+ (1 x)f

k n

xk (1 x)n1k .

MATH2171 2005-06 3 Approximation en moyenne quadratique

132

Construction dune valeur dun polyn ome de Bernstein par la m ethode de Casteljau Ici, x = 1/4. Les approximations par polyn omes de Bernstein ont dimportantes qualit es dordre esth etique. On trouve des polyn omes de Bernstein en carrosseries et coques (courbes et surfaces de B ezier), et en typographie informatique (voir 7.7). Th eor` emes de Jackson et Bernstein. Pour mieux capturer lerreur En de meilleure approximation sur [a, b] par des polyn omes de degr e
b

n,

on etudie des expressions de la forme

a

Kn (x, y ) f (y ) dy, o` u Kn est un polyn ome de degr e const. f (n1 ). sin((m + 1/2)( )) sin(( )/2)
4

n en x. Par

exemple: Th eor` eme de Jackson. Si f C [1, 1], En En eet [Mha], on construit pn (x) = 1 m

F () d,

o` u F () = f (cos ), m est la partie enti` ere par d efaut de n/4, et n est tel que pn (x) 1 si f (x) 1. On a bien m ei(m+1/2)() ei(m+1/2)(+) pn Pn puisque sin((m+1/2)())/ sin(()/2) = =2 cos(k ( )) ei()/2 ei(+)/2 0 est un polyn ome de degr e m en x = cos (augment e dune fonction impaire en qui dispara t dans lint egrale). Ensuite, m est lint egrale de la quatri` eme puissance de la fonction ci-dessus, cest-` a-dire de
m 2m

e
m

ik( )

, donc du carr e de
2m

(2m + 1 |k |)eik() , ce qui fait 2 fois la somme des carr es des coe-

cients, soit m = 2 [2(1 + 4 + + 4m2 ) + (2m + 1)2 ] = 2 (2m + 1)(8m2 + 8m + 3)/3 n3 /6. Nous avons maintenant, pour x e, pn (cos ) F () = 1 m

sin((m + 1/2) ) sin(/2)

[F ( + ) F ()] d,

o` u on a pris = . On borne |F ( + ) F ()| par F (| |) (1 + n| |)F (n1 ) par la propri et e (48) de vue en p. 60. Finalement, on pose = (m + 1/2) ; le sinus du d enominateur est partout sup erieur a ` (2/pi)| |/2 = | |/((m + 1/2) ), et il reste une borne (m + 1/2)2 4 (n + 1)/m fois F (n1 ) (qui est inf erieur a ` f (n1 )) fois

une quatri` eme puissance). Si f C r , on montre En

| |3 sin4 d , cette derni` ere int egrale etant convergente (cest pour cela quon a d u prendre c(r)nr f (r) (n1 ).

Si f Lip 44, on a donc En const. n . R eciproque (uniquement pour des polyn omes trigonom etriques): Th eor` eme de Bernstein. Si En (F ) const. n , 0 < < 1, alors F (h) const. h .
44

Voir p. 119.

MATH2171 2005-06 3 Approximation en moyenne quadratique

En eet, soit Pn la meilleure approximation trigonom etrique de degr e tout n entier, On a F (h) F Pn (h) + Pn (h) 2En + h Pn

133

n de F . Pour h > 0 x e, et pour

Chaque Pm Pm/2 est un polyn ome trigonom etrique de degr e m, donc, par une in egalit e de Bernstein (cf. p. 42), la norme de la d eriv ee est born ee par le degr e fois la norme de la fonction: Et il reste Pm Pm/2 F (h)
1

2En + h[ Pn Pn/2 + Pn/2 Pn/4 + ].

m Pm Pm/2 = m F Pm/2 (F Pm ) 2En + h[2nEn/2 + nEn/4 + (n/2)En/8 + ]

2mEm/2 .

born e par const. fois n + hn [2 + 21+2 + 22+3 + ]. La s erie converge. Il reste a ` choisir n! On 1 minimise en n n + Chn , ce qui donne n de lordre de h1 .

7.5. Th eor` eme de Stone-Weierstrass. De nombreuses g en eralisations du th eor` eme de Weierstrass ont abouti a ` cet enonc e remarquable: Th eor` eme de Stone-Weierstrass. Soit I un espace compact, C (I ) lalg` ebre des applications continues de I dans C, munie de la topologie de la convergence uniforme. Soit A une sousalg` ebre de C (I ) telle que: (1) A s epare les points de I , cest-` a-dire x, y I , x = y : f A : f (x) = f (y ), (2) x I , f A : f (x) = 0, (3) f A la fonction complexe conjugu ee f A. 45 Alors, A est dense dans C (I ). Remarquons que, par 3., on peut se limiter au cas r eel: si p iq et r is A, p, q, pr et qs sont aussi dans A: p = [p + iq + (p iq )]/2, pr = [(p + iq )(r + is) + (p iq )(r is) + (p iq )(r + is) + (p + iq )(r is)]/4, etc. Par 1. et 2., on peut toujours trouver un el ement de A prenant deux valeurs d etermin ees, soit A et B , en deux points distincts donn es de I : par 1., soit f1 prenant deux valeurs distinctes en x et x , lune de ces deux valeurs, soit f1 (x ) etant donc non nulle, et, par 2. f2 avec 2 f2 (x ) = 0. On construit f3 = f1 f1 (x )f1 qui est donc nulle en x et toujours non nulle en x (o` u f3 vaut f1 (x )(f1 (x ) f1 (x )) = 0), et f4 = f2 cf3 avec c tel que f4 (x ) = 0. Alors f3 f4 A +B convient. f3 (x ) f4 (x )
Une partie de la d emonstration donn ee dans le Cours danalyse de J. Mawhin46 pp.708-711: etre approch e aussi bien Si g A avec 0 g (x) 1 pour tout x I , alors g A. En eet, g peut que lon veut par un polyn ome en g (cf. approximation polynomiale de , p. 59), ce polyn ome en g pouvant lui-m eme etre approch e par un el ement de A. f A |f | A. En eet, on prend f

f2 . f 2 Si f et g A, max(f, g ) et min(f, g ) A. En eet, min et max(f, g ) = (f + g |f g |)/2. Ensuite, pour f continue r eelle sur I , on consid` ere Pu,y A interpolant f en u et y I . Pour u x e et x susamment pr` es de y , Pu,y (x) f (x) /2. On recouvre le compact I par un nombre ni m de tels voisinages de fa con a ` avoir gu := max(Pu,y1 , . . . , Pu,ym ) f /2 partout dans I . Dans un voisinage de u, on a aussi gu f + /2, et on recouvre maintenant I par des voisinages de u1 , . . . , ur de sorte que g := min(gu1 , . . . , gur ) f + /2 partout dans I . On a donc g A v eriant g f /2, et comme g est elle-m eme a ` moins d/2 dun el ement p de A, f p par exemple, G. Choquet, op.cit., chap. VI; A. Pinkus, Weierstrass and approximation theory, J. Approx. Theory 107 (2000) 1-66. 46Analyse, Fondements, techniques, evolution, De Boeck Universit e, 1992
45Cf.,

MATH2171 2005-06 3 Approximation en moyenne quadratique

134

En pratique, on part dune suite {k } ( eventuellement nie) de C (I ), avec k dans la suite si k est dans la suite, et l enonc e devient: si les k s eparent les points de I (ils sut que lapplication identit e soit dans A), et si les k ne sannulent pas tous en un m eme point de I (il sut que A contienne la fonction constante 1), toute fonction continue sur le compact I peut etre approch ee daussi pr` es que lon veut en omes en les k . par des polyn Exemple. I est le cercle unit e {z : |z | = 1}, {0 , 1 } = {z, z 1 = z }. Comme z et 1 = 0 1 A, les polyn omes z k , k = , 2, 1, 0, 1, 2, forment une suite totale dans C (I ), donc les polyn omes trigonom etriques eik , k = , 2, 1, 0, 1, 2, forment une suite totale dans lespace des fonctions continues p eriodiques (cest-` a-dire f ( ) = f ( )) sur [, ]. En r eel: {0 , 1 } = {cos , sin } engendre les polyn omes trigonom etriques, et 1 = cos2 + 2 sin est bien dans A. Cas des s eries de Fourier de fonctions continues. Ce qui pr ec` ede ne veut pas dire que les s eries de Fourier de fonctions continues p eriodiques convergent toujours uniform ement! Soit Tn lespace engendr e par exp(ik ), k = n, , n. Les sommes partielles de Fourier Sn ( ) = n n ck exp(ik ) sont les meilleures approximations (n) possibles de f dans Tn au sens de L2 ; on a montr e que, n, il existe des coecients dk , (n) k = n, , n, tels que f n u on tire dailleurs n dk exp(ik ) 0 quand n , do` (n) n egalement f n dk exp(ik ) 2 0 et le caract` ere total de la suite {exp(ik )} dans 47 2 L (, ) , mais les ck ne sont pas optimaux dans C . Voir aussi Robert Feinerman, D. J. Newman: Completeness of {A sin nx+ B cos nx} on [0, ], Michigan Math. J. 15, nr . 3 (1968), 305-312. On peut cependant construire des sommes de Fourier modi ees n := (S0 + S1 + + Sn1 )/n (sommes de Fej er), montrer que n est lapplication dun op erateur lin eaire positif a ` f et d emontrer, un peu comme pour les polyn omes de Bernstein, que f n 0 quand n si f C [, ] et f ( ) = f ( ). La vitesse de convergence des sommes de Fej er est cependant tr` es m ediocre (les normes derreur d ecroissent au mieux comme 1/n), aussi essaye-t-on de tirer parti du comportement des coecients et des sommes de Fourier (p. 118). Voici encore un autre r esultat classique de la litt erature: Th eor` eme de M untz. Si 0 = 0 < 1 < . . ., n quand n , les puissances x0 = 1, x1 , . . . forment une suite totale dans C [0, 1] si k =1 1/k = . Voir p.79 Pour des suites de fonctions rationnelles, cf. Van Deun, J.; Bultheel, A.: Orthogonal rational functions and quadrature on an interval, J. Comput. Appl. Math. 153, No.1-2, 487-495 (2003), o` u on trouve cet enonc e: la suite n x , avec ak r eels et 1 < |ak | , est totale dans C [1, 1] si et seulement n k =1 (1 x/ak 0

si
k =1

(1 |ck |) = , o` u ck est d etermin e par 2ak = ck + 1/ck et |ck | < 1.

D. Figueiras, On the construction of a basis of L2 (R) formed by pole-free rational functions, L2omega.ps etudie de fa con tr` es d etaill ee (nombreux exemples) des d eveloppements en 2 n/2 fonctions orthogonales de la forme pn (x)/(1 + x ) sur R (pn Pn ).
2 peut montrer s epar ement que la suite {exp(ik)} est maximale dans L (, ), cf. [Dav], pp.266-267.

47On

MATH2171 2005-06 3 Approximation en moyenne quadratique 7.6. Intervalles non born es, probl` eme des moments.

135

Cf. N.I. Akhiezer, The Classical Moment Problem and some related Questions in Analysis, Hafner, N.Y. 1965; P. Deift, Orthogonal Polynomials: a Riemann-Hilbert Approach, Courant Institute & Amer. Math. Soc., 1999,2000, 2.4: on dit que d correspond a ` un probl` eme des moments d etermin e si la suite num erique {k } des moments sut a ` d e terminer , cest-` a -dire que les seules fonctions croissantes born e es v e riant k=0 xk d (x) = k ,
R

k = 0, 1, . . .

sont (x) = (x)+ constante, a ` une innit e d enombrable de points de discontinuit e pr` es. La famille de mesures {} admettant une suite donn ee de moments admet aussi la m eme suite de polyn omes orthogonaux {n }, et donc aussi les m emes coecients de r ecurrence {n , n }, et encore les m emes noeuds xk et poids Hk des formules dint egration de Gauss pour tous les degr es. Relations entre convergence, totalit e de la suite {n } et probl` eme des moments: (1) Lerreur de formule de Gauss peut s ecrire
n 1 R

f (t) d(t)

Hk f (xk ) =
R

[f (t) pinterp(t)] d(t),

o` u pinterp interpole f aux points xk . On sattend a ` ce que le membre de droite soit petit si les polyn omes forment une partie dense de L2 ; dautre part, Hk f (xk ) ne sait pas vers quoi elle d doit converger si plusieurs mesures peuvent gurer dans le membre de gauche. Tout ceci donne des id ees, mais encore rien de rigoureux. (2) Dailleurs, on peut utiliser la formule de Gauss pour estimer , en int egrant une fonction echelon:
x xk <x

Hk ?

Une approximation plus lisse sobtient en prenant la partie imaginaire dun logarithme48: 1 1 Im Log (t z ) d(t) ? Im Hk Log (xk z ), (x ) () = lim y 0 R
y >0

d(t) = (x ) ().

o` u z = x + iy , et o` u Log est la d etermination principale du logarithme (Im(Log x) = 0 si x > 0). (3) Ceci nous am` ene (d erivation en x ) a ` regarder de plus pr` es la formule de Gauss appliqu ee a ` lint egration de (z t)1 , pour z non r eel donn e: n Hk n (z ) d(t) Fn (z ) := = ? F (z ) := , z x ( z ) k n R zt 1 dapr` es des formules vues a ` la section 3.7, p. 94. Les coecients ck (z ) du d eveloppement de (z t)1 v erient au moins lin egalit e de Bessel 0 |ck (z )|2 2 d(t), et on peut distinguer ce qui d epend de F (z ), qui est inconnu, et ce qui ne d epend que de la R |z t| k (t) suite connue des moments, donc des suites {n } et {n }: ck (z ) = d(t) v erie la m eme r ecurrence R zt k+1 ck+1 (z ) = (z k )ck (z ) k ck1 (z ) que k a ` partir de k = 1. En tenant compte de 1 c1 (z ) = (z 0 )c0 (z ) 0 , on trouve ck (z ) = F (z )k (z ) k (z ), et reprenons Bessel:
k=0

|F (z )k (z ) k (z )|2

F (z ) F (z ) d(t) = , (z t)(z t) zz

(79)

ce qui est une relation de la forme (F (z ) C (z ))(F (z ) C (z )) R 2 (z ) pour le nombre complexe F (z ) qui doit donc etre contenu dans un disque D(z ) parfaitement calculable (bien quun peu compliqu e. . . ) a ` partir de la suite des moments et de ce qui en d epend. Voici une premi` ere proposition rigoureuse: Si les polyn omes forment une partie dense de L 2 d , F (z ) est situ e sur la fronti` ere du disque D(z ), pour tout z non r eel. En eet, lin egalit e de Bessel devient l egalit e de Parseval. On d emontre aussi la r eciproque : si F (z ) se trouve sur la fronti` ere de D(z ) pour un z non r eel, il en est ainsi pour tous les z non r eels, et les polyn omes forment une partie dense de L2 . La d e monstration etablit le d
48

L egalit e de la limite y 0 est la formule de Stieltjes-Perron.

MATH2171 2005-06 3 Approximation en moyenne quadratique

136

caract` ere essentiellement autoadjoint de lop erateur T limite des op erateurs T n vus en (66), et on examine la repr esentation spectrale de lop erateur r esolvant (z I T )1 . Tout se simplie si le disque D(z ) est r eduit a ` un point (cas d etermin e du probl` eme des moments). Cest certainement le cas si 0 |k (z )|2 = : en eet, si on remplace F par G = F dans (79), le membre de gauche est le carr e de G |G F | F = ne peut plus etre dans nimporte quel disque born e. Des conditions susantes assurant que d correspond a ` un probl` eme des moments d etermin e sont: > 0 :
x t t e dt 0

e |x|d(x) < ; {L n}

n=1

(2n )1/(2n) = (Carleman). 0; (x) =

La suite de polyn omes de Laguerre est donc totale dans L2 d pour : (x) = 0 si x si x 0. ( > 1). x t2 La suite de polyn omes dHermite {Hn } est donc totale dans L2 dt. d pour : (x) = e Un arc de B ezier 49 est d ecrit par deux polyn omes de Bernstein
n

7.7. Arcs de B ezier en typographie informatique.

x = x(t) =
k=0 n

k k
k=0

n k t (1 t)nk , k n k t (1 t)nk . k

y = y (t) =

Les n + 1 points (k , k ) sont appel es points de contr ole de larc. Le programme METAFONT de D.E. Knuth (cf. http://www-cs-faculty.stanford.edu/~knuth/ voir aussi http://www.loria.fr/tex/fontes.html). d ecrit un caract` ere comme une armature form ee darcs de B ezier de degr e 3 (splines sous tension) parcourue par un pinceau, plume, feutre ou autre calame

Ci-dessus, gures extraites de R.J. Kinch, MetaFog: converting METAFONT shapes to contours, TUGboat 16 (1995) 233-24350, voir aussi http://idt.net/~kinch/ (` a droite: le R de cmr10). Les polices truetype sont form ees de contours contenant des segments rectilignes et des arcs de B ezier de degr e 2 (arcs paraboliques). A gauche: une lettre b monotype arial. ( http://www.truetype.demon.co.uk/ttoutln.htm) Dans les polices postscript, les arcs de B ezier sont de degr e 3. Ainsi, la lettre U de Courier (` a gauche) contient 8 arcs de B ezier

Pierre B ezier, (1910-1999), a d evelopp e la g en eration num erique de courbes et de surfaces chez le constructeur automobile R. . . Paul de Casteljau, lui, travaillait chez Citro en (Un inconnu c el` ebre, Pierre B ezier, Science & Vie Micro n 69, f ev. 1990 [documentation aimablement communiqu ee par D. Grolaux]). 50 Un grand merci a ` M. Pierre Bulens qui a communiqu e cette documentation.

49

MATH2171 2005-06 3 Approximation en moyenne quadratique

137

newpath 0 580 moveto 0 533 lineto 72 533 lineto 72 251 lineto 72 209 72 127 116 78 curveto 161 14 248 0 295 0 curveto 384 0 442 42 464 73 curveto 485 102 500 141 500 241 curveto 500 533 lineto 572 533 lineto 572 580 lineto 348 580 lineto 348 533 lineto 450 533 lineto 450 241 lineto 450 196 450 149 430 113 curveto 411 76 372 50 296 50 curveto 219 50 181 81 162 121 curveto 143 160 143 210 143 251 curveto 143 533 lineto 245 533 lineto 245 580 lineto closepath Ce caract` ere est inscrit dans un rectangle de 572580 unit es. xy moveto signie: placer le point courant en (x, y ), xy lineto: tracer le segment rectiligne jusque (x, y ), x2 y2 x3 y3 x4 y4 curveto: tracer larc de B ezier de degr e 3 partant du point courant a ` (x4 , y4 ), avec (x2 , y2 ) et (x3 , y3 ) comme points de contr ole interm ediaires. LUCL a adopt e pour ses communications ocielles51 la police Frutiger dont voici un echantillon

Frutiger-Black:

Les contours sont: U:

612 698 moveto 426 698 lineto 426 296 lineto 426 204 401 126 211 126 186 204 186 698 lineto 0 698 lineto 0 265 lineto 0 74 124 -12 488 -12 612 74 closepath L:

UCL

C:

306 126 curveto 186 296 curveto

306 -12 curveto 612 265 curveto

599 162 moveto 548 142 486 126 289 126 192 209 192 476 278 572 474 572 532 556 607 674 lineto 540 694 471 710 170 710 0 589 0 82 215 -12 496 -12 555 3 closepath

425 192 410 592

126 346 572 523

curveto curveto curveto curveto

400 710 curveto 0 346 curveto 401 -12 curveto 608 16 curveto

0 0 moveto 474 138 lineto 474 0 lineto 186 138 lineto 186 698 lineto 0 698 lineto closepath Sur les B-splines et les NURBS (Non Uniform Rational B-Splines), voir An Interactive Introduction to Splines http://www.ibiblio.org/e-notes/Splines/Intro.htm Voir aussi la belle page de Luc Devroye http://cgm.cs.mcgill.ca/~luc/bezier.html

MATH2171 2005-06 4 Interpolation et applications

138

CHAPITRE 4
Interpolation et applications. Interpolation, int egration.
1. Interpolation.
Interpoler: Introduire dans un ouvrage des passages qui ne sont pas dans loriginal. Math. Assigner a ` une quantit e une valeur interm ediaire entre deux valeurs directement calcul ees ou observ ees. Larousse.

Interpoler une fonction f consiste a ` faire passer le graphe dune fonction p appartenant a ` un espace V de dimension nie par des points (xi , f (xi )) donn es en nombre egal a ` la dimension de V . Lestimation de la qualit e de lapproximation de f par p est enti` erement concentr ee aux points xi , on na besoin de ne rien savoir dautre que les valeurs f (xi ) pour d eterminer p. Il peut sembler curieux de voir appara tre si tard le th` eme de linterpolation dans ce cours danalyse num erique, alors que linterpolation est le plus vieux proc ed e num erique connu (nombreux t emoignages remontant a ` la plus haute antiquit e). Bien s ur, linterpolation reste loutil classique par excellence, mais les progr` es de lanalyse num erique ont subordonn e cet outil a ` dautres objectifs (approximation, lissage, ltrage, etc.) A partir du moment o` u on nest plus tenu de g erer des tables rigides (cadre de l epure ` eme oblig e jusquau . . . 20 si` ecle bien avanc e), et faute d etre submerg e par le nombre de degr es de libert e devenus disponibles: o` u interpoler, quels points utiliser, il a fallu domestiquer cette abondance de moyens en pr eparant la voie par dautres techniques. Ainsi, on a rencontr e des eets dinterpolation non sollicit es dans des contextes divers: (1) De par les propri et es doscillation qui la caract erise, la meilleure approximation polynomiale de degr e n au sens de Tchebyche interpole la fonction a ` approcher en au moins n + 1 points. (2) Les meilleures approximations au sens de la norme erisent par des 1 se caract conditions dinterpolation tr` es explicites, (voir 5, p. 115). (3) Par orthogonalit e, on a vu que les erreurs de meilleures approximations dans des espaces pr ehilbertiens doivent changer de signe un nombre convenable de fois: lapproximation a donc des propri et es dinterpolation.
D eveloppons ce dernier cas, et montrons comment on passe de lapproximation en moyenne a ` linterpolation proprement dite: On dispose de fonctions ind ependantes 0 ,. . . , n , et voyons si on peut trouver une combinain son k=0 ak k prenant des valeurs donn ees y0 ,. . . , yn en des points x0 ,. . . , xn donn es. R eponse: orthogonaliser les fonctions 0 ,. . . , n en 0 ,. . . , n selon un produit scalaire discret (f, g ) =

MATH2171 2005-06 4 Interpolation et applications

n j =0 i

139
2

wj f (xj )g (xj ) et construire les approximations successives Si = k=0 ck k , avec ck = (y, k )/ k Les Si sont des approximations au sens des moindres carr es de y et on peut se contenter de i < n. Cependant, Sn interpole y en les n + 1 points x0 ,. . . , xn : y Sn doit etre le plus petit possible et est nul si Sn interpole y . Encore faut-il v erier que lon peut interpoler nimporte quel ensemble de n + 1 donn ees par une combinaison de 0 ,. . . , n .

La fonction matlab polyfit(x,y,n) donne linterpolant polynomial aux points (xi , yi ) si n + 1 = le nombre de ces points.

1.1. Interpolation polynomiale classique. Linterpolation traditionnelle de f dans [a, b] consiste a ` y approcher f par la fonction du premier degr e x + prenant les valeurs f (a) en a et f (b) en b. Probl` eme el ementaire r esolu par bx xa f (b) f (a) [f (b) f (a)]x + bf (a) af (b) = f (a) + f (b) = f (a) + (x a). ba ba ba ba (80) On rem edie a ` la performance souvent m ediocre de cet interpolant, soit en r eduisant lintervalle [a, b] et en reprenant linterpolation soit en augmentant le degr e de p, soit encore en modiant les conditions dinterpolation. Ainsi, dans la gure ci-dessous, on a dabord interpol e lin eairement entre deux points cons ecutifs, puis interpol e par du second degr e en trois valeurs cons ecutives, enn par des polyn omes du troisi` eme degr e entre deux points cons ecutifs, mais en sarrangeant pour avoir une d eriv ee continue (interpolation au sens dHermite). p(x) =

D eterminons p Pn , en supposant f disponible aux points x0 ,. . . , xn distincts :

n1 p(xi ) = xn + + (n) = f (xi ), i + xi

i = 0, 1, . . . , n

(81)

ce qui repr esente n + 1 equations lin eaires pour les n + 1 coecients , , . . . , (n) de p Pn . La solubilit e de ce syst` eme d equations s etablit en principe par l etude de son d eterminant n1 n . . . x0 1 x0 x0 n1 x . . . x1 1 xn 1 1 , ce qui peut dailleurs etre fait: il sagit du d eterminant de Van... ... ... ... ... n1 xn . . . xn 1 n xn
n1 n

dermonde qui vaut

i=0 j =i+1

(xi xj ), eectivement non nul d` es que les xi sont distincts.

MATH2171 2005-06 4 Interpolation et applications

140

Il est beaucoup plus el egant et rapide de raisonner comme suit: le d eterminant du syst` eme d equations {p(xi ) = f (xi )}, i = 0, . . . , n est non nul si et seulement si le polyn ome nul de Pn est le seul a ` v erier les equations homog` enes: p(x0 ) = p(x1 ) = . . . = p(xn ) = 0 nest possible que si p a n + 1 z eros distincts p est de degr e > n ou doit etre le polyn ome nul. On na m eme pas d u consid erer le d etail des equations de (81). Les formulations usuelles de la solution du probl` eme dinterpolation classique evitent egalement l ecriture trop rigide de (81). On adoptera en fait des bases de Pn automatiquement bien adapt ees au probl` eme. Formulation de Lagrange. R esolvons le probl` eme dinterpolation particulier suivant: soit j le polyn ome de Pn qui sannule en tous les xi sauf xj , o` u il vaut 1: j (xi ) = i,j , i = 0, 1, . . . , n. Comme j doit sannuler en x0 , x1 , . . . , xj 1 , xj +1 , . . . , xn , il doit admettre la factorisation u K est une constante puisque j (x) = K (x x0 )(x x1 ) . . . (x xj 1 )(x xj +1 ) . . . (x xn ), o` la factorisation contient d ej` a n facteurs du premier degr e. Cette constante est telle que ( x ) = 1, ce qui d e termine enti` e rement le polyn o me P j j j n:
j (x)

=
0 k

x xk . xj x k n,k =j

(82)

Graphe de y 1

2:

x0

x1

x2

x3

La solution du probl` eme dinterpolation dans Pn est alors

n

p=
i=0

f (xi )

(83)

En eet, p Pn puisque p est une combinaison lin eaire des i f (xi )i,j = f (xj ).

i;

p(xj ) =

f (xi ) i (xj ) =

Le grand avantage de la forme (83) est de mettre en evidence le r ole des valeurs de f . On voit par exemple que linterpolant est le r esultat dune projection lin eaire sur Pn .
n

Exercice : v erier p(x)

i=0

p(xi ) i (x) ,p Pn pour de faibles valeurs de n.

MATH2171 2005-06 4 Interpolation et applications Exercice: Montrez que le coecient de xn de linterpolant de degr e distincts est la valeur de la forme lin eaire
n

141 n de f en x0 , x1 , . . . , xn

an,interpn (f ) =
i=0

f (xi )
0 k n k =i

(xi xk )

(84)

En particulier, (84) donne donc le coecient de xn dun el ement de Pn a ` partir de n +1 valeurs ponctuelles. Cest utilis e dans l etude de propri et es extr emales de polyn omes (chap. 2). Interpolation cubique dHermite. On cherche le polyn ome de P3 qui prend deux valeurs impos ees y0 et y1 en deux points donn es x0 et x1 , et deux valeurs impos ees de la d eriv ee y2 et y3 aux deux m emes points: p(x0 ) = y0 , p(x1 ) = y1 ; p (x0 ) = y2 , p (x1 ) = y3 . Comme il y a quatre coecients a ` d eterminer dans p(x) = a + bx + cx2 + dx3 , on e crit les 2 3 2 3 equations a + bx0 + cx0 + dx0 = y0 , a + bx1 + cx1 + dx1 = y1 , 2 b + 2cx0 + 3dx2 0 = y2 , b + 2cx1 + 3dx1 = y3 . Cest un peu p enible, mais le d eterminant se factorise joliment (tiens, tiens) en (x1 x0 )4 , et on a x2 (3x0 x1 )y0 x2 x0 x1 (x1 y2 + x0 y3 1 (3x1 x0 )y1 a= 0 , 3 (x0 x1 ) (x0 x1 )2 b= c= 6x0 x1 (y0 y1 ) x1 (2x0 + x1 )y2 + x0 (2x1 + x0 )y3 + , (x1 x0 )3 (x1 x0 )2 3(x0 + x1 )(y0 y1 ) (x0 + 2x1 )y2 + (2x0 + x1 )y3 , (x0 x1 )3 (x0 x1 )2 d= y2 + y 3 2(y0 y1 ) + . (x1 x0 )3 (x0 x1 )2

Ouf! On cherchera une fa con un peu plus syst ematique de

(1) Poser le probl` eme: on pr ecisera comment rechercher un el ement dun espace vectoriel a ` partir de valeurs prises par des formes donn ees. (2) Etudier lexistence et lunicit e de la solution: on se ram` enera a ` un syst` eme d equations lin eaires. (3) Repr esenter la solution a ` partir de la base duale (ou biorthogonale ) aux formes donn ees. 1.2. Interpolation: cadre g en eral. Soit 0 , 1 ,. . . des el ements ind ependants dun espace vectoriel X , 0 , 1 ,. . . des formes lin eaires ind ependantes sur X ; Vn le sous-espace de X engendr e par 0 ,. . . , n , Vn le sousespace du dual de X engendr e par 0 ,. . . , n . Interpoler une suite de scalaires {y0 , y1 , . . . , yn } par un el ement de Vn sur 0 ,. . . , n consiste a ` trouver Vn (linterpolant) tel que i () = yi , i = 0, 1, . . . , n (probl` eme dinterpolation sur Vn Vn ).

MATH2171 2005-06 4 Interpolation et applications Posons =

n j =0

142

xj j , le probl` eme revient a ` trouver x0 ,. . . , xn tels que

n

i (j ) xj = yi
j =0

i = 0, . . . , n.

Syst` eme d equations lin eaires, donc, imm ediatement Proposition. La solution du probl` eme dinterpolation sur Vn Vn existe et est unique si n det[i (j )]i,j =0 = 0. On dit alors que {0 , . . . , n } est unisolvant sur {0 , . . . , n }. Comme on a 0 (0 ) 0 (n ) y0 x0 n (0 ) n (n ) yn xn = 0, 0 n 1 0 (0 ) n (0 ) 0 0 (n ) y0 = 0, n (n ) yn n 0 (n ) y0 n (n ) yn n 0

linterpolant est

0 (0 ) n (0 ) 0

On evite des calculs de d eterminants en tirant parti des equivalences syuivantes: Proposition. Les quatre enonc es suivants sont equivalents: (1) {0 , . . . , n } est unisolvant sur {0 , . . . , n }. Pour tout [y0 , . . . , yn ] Rn+1 ou Cn+1 , il existe donc toujours exactement une combinaison lin eaire de 0 , . . . , n v eriant i () = yi , i = 0, . . . , n. (2) det[i (j )]n i,j =0 = 0. (3) Seul l el ement nul de Vn interpole la suite nulle {0, . . . , 0} sur 0 ,. . . , n . (4) On peut trouver n + 1 el ements 0 , . . . , n de Vn v eriant i ( j ) = i,j , i, j = 0, . . . , n ( base duale, ou biorthogonale, ou encore base de Lagrange relativement aux formes 0 , . . . , n ). D emonstration. On a d ej` a vu (1) (2). (2) (3): si le d eterminant est non nul, le syst` eme de n+1 equations homog` enes a ` n + 1 inconnues nadmet que la solution nulle; et si les equations homog` enes nadmettent pas de solution non triviale, le rang de la matrice carr ee est maximal d eterminant non nul. (1) ou (2) (4): comme les syst` emes d equations sont solubles pour tout second membre, ` eme on choisit pour second membre la i colonne de la matrice identit e, et la solution fournit les coecients du d eveloppement de i dans la base {0 , . . . , n }.

0 (0 ) 0 (n ) n (0 ) n (n )

MATH2171 2005-06 4 Interpolation et applications

143

(4) (1): (cest assez subtil). Pour un second membre quelconque [y0 , . . . , yn ], formons la combinaison lin eaire
n

=
j =0

yj

j.

(85)

Constatons que chaque i () vaut bien yi :

n n n

i () = i
j =0

yj

=
j =0

y j i ( j ) =
j =0

yj i,j = yi , pour i = 0, . . . , n.

Le point (3) signie le caract` ere injectif de lop erateur repr esent e par la matrice des i (j ); le point (4) signie le caract` ere surjectif de cet op erateur (remarque faite par un etudiant).

Exemples illustrant le point (3). (1) Interpolation polynomiale classique. Soit Vn = Pn , x0 ,. . . , xn des points distincts de R ou C, et les formes i () := (xi ), i = 0, . . . , n. n Avec j = xj , on peut v erier directement que det[xj eterminant de i ]i,j =0 = 0 (d Vandermonde), ou, plus rapidement, quun polyn ome non nul de degr e n ne peut sannuler aux n + 1 points x0 ,. . . , xn . On retrouve evidemment le cas el ementaire. (2) Interpolation polynomiale dHermite, ou conuente. Soit Vn = Pn , x0 ,. . . , x des points distincts, n, auxquels on associe une ou plusieurs formes (xi ), (xi ),. . . faisant appel a ` des d eriv ees successives, de sorte que le nombre total de formes utilis ees soit bien n + 1: si les formes relatives a ` xi sont (mi ) (xi ), (xi ),. . . (xi ), il faut i=0 (mi + 1) = n + 1. Dans ces conditions, un polyn ome de degr e n v eriant (xi ) = 0, (xi ) = (mi ) 0,. . . (xi ) = 0 devrait donc avoir un z ero dordre mi + 1 en xi , i = 0,. . . , , et devrait donc admettre le facteur i=0 (x xi )mi +1 , impossible si (x) 0. Cette interpolation est appel ee conuente parce quelle r esulte de la pr ec edente quand on fait se rapprocher des points: si xi+1 xi , ((xi+1 ) (xi ))/(xi+1 xi ) garde un sens et tend vers (xi ). De m eme, si xi+1 et xi+2 xi , on verra que lon peut combiner les formes relatives a ` xi , xi+1 et xi+2 de fa con a ` faire appara tre (xi ), (xi ) et (xi ). Il est clair quon ne fait appel qu` a des d eriv ees successives, a ` partir de lordre z ero. (3) Interpolation dHermite-Birkho. Ici, on se donne des d eriv ees quelconques en di erents points, par exemple et iv en x0 , et en x1 , etc. Cest beaucoup plus dicile.
Exercice: montrez que lon peut d eterminer uniquement un el ement de P4 a ` partir de ses d eriv ees premi` eres en x0 , x1 et x2 distincts, et de ses valeurs en x0 et x1 (ce qui fait bien 5 conditions) seulement si x2 = (x0 + x1 )/2.

(4) Polyn omes ` a plusieurs variables, espaces d el ements nis. On xe des valeurs dun polyn ome et de certaines d eriv ees partielles en des points de

MATH2171 2005-06 4 Interpolation et applications

144

R2 ou R3 . Nombreuses applications 1. Exemple le plus simple: trouver x0 + x1 x + x1 y prenant des valeurs donn ees en 3 points du plan. Condition: ces points doivent etre non collin eaires. (5) Interpolation par moindres carr es: justication. Revenons a ` nos combinaisons Si de fonctions 0 ,. . . , n approchant de mieux en mieux les valeurs dune suite y0 ,. . . , yn au sens dun produit scalaire discret utilisant les points x0 ,. . . , xn . Sn interpole y si le probl` eme dinterpolation est soluble dans Vn , donc si det[j (xi )]n = 0. Or, i,j =0 n n n [ w ] [i (xj )]n i i,j i,j =0 [j (xi )]i,j =0 = [(i , j )]i,j =0 , i,j =0 matrice de Gram de la base {0 , . . . , n } de Vn , que lon sait etre d enie positive si le produit scalaire est bien d eni positif sur Vn . Voir aussi (77) De nombreuses g en eralisations et extensions sont parues dans la litt erature, en particulier des constructions non lin eaires, comme linterpolation par fonctions rationnelles 2 . Exemples de bases de Lagrange. Soit x0 ,. . . , xn distincts et Vn = Pn . j est le polyn ome de degr e n qui sannule en x0 , x1 ,. . . , xj 1 , xj +1 ,. . . , xn , et qui vaut 1 en x = xj . On retrouve x xk . j (x) = x j xk 0 k n,k =j Soit x0 ,. . . , xn distincts et examinons maintenant (xj ) et (xj ), j = 0, . . . , n: on a donc Vn = P2n+1 . sont: (1) hj P2n+1 tel que hj (xk ) = 0 et hj (xk ) = ome a donc n z eros et hj (xj ) = 0. Ce polyn hj (xj ) = 1, ce qui donne hj (x) = (Aj x + Bj )
0 k n,k =j

linterpolation dHermite o` u on xe Les el ements de la base de Lagrange 0, k = 0, . . . , n, k = j ; hj (xj ) = 1 doubles en xk , k = 0, . . . , n, k = j , (x xk )2 ,

avec 1 = (Aj xj + Bj )
0 k n,k =j

(xj xk )2 , 1 , xj x k x xk xj x k
2

et 0 = Aj + 2(Aj xj + Bj )
0 k n,k =j

do` u 1 hj (x) = 1 2(x xj ) xj x k 0k n,k =j

1Cf.,

(86)

0 k n,k =j

par exemple, J. Meinguet, Multivariate interpolation at arbitrary points made simple, Z. Angew. Math. Phys. 30 (1979) 292-304. 2Cf. J. Meinguet, On the solubility of the Cauchy interpolation problem, pp. 137-163 in A. Talbot, ed.: Approximation Theory, Acad. Press, 1970.

MATH2171 2005-06 4 Interpolation et applications

145

j P2n+1 tel que h j (xk ) = 0 et h (xk ) = 0, k = 0, . . . , n, k = j ; h j (xj ) = 0 et (2) h j (xj ) = 1. Ce polyn h ome a donc n z eros doubles en xk , k = 0, . . . , n, k = j , et un j z ero simple en xj , avec hj (xj ) = 1, ce qui donne j (x) = (x xj ) h x xk xj x k
2

(86 )

0 k n,k =j

2 . Bien voir que h (x2 ) = 0: Exemple: graphes de h2 et h 1 2 y y 1

x x0 x1 x2 x3

x0

x1

x2

x3

Th eor` eme du reste chinois. Dans le cas le plus simple, a0 , a1 , . . . , an sont premiers deux a ` deux, on reconstitue un entier p a ` partir des restes y0 , . . . , yn des divisions de p par a0 , . . . , an , par une formule
n

p=
k=0

ck a0 ak1 ak+1 an yk . Cest typiquement une formule de type Lagrange!

1.3. Interpolation polynomiale classique en formulation de Newton, di erences divis ees. Si on d esire construire des interpolants successifs utilisant de plus en plus de points dun ensemble, on pr ef` ere adopter une formulation progressive: Soit pn linterpolant de degr e n en x0 ,. . . xn . pn doit di erer de pn1 dun multiple de (x x0 ) . . . (x xn1 ), an de ne pas d etruire le travail dinterpolation d ej` a r ealis e par pn1 en x0 ,. . . xn1 . On a donc pn (x) = pn1 (x) + an,interpn (f )(x x0 )(x x1 ) . . . (x xn1 ), o` u an,interpn (f ) est n le coecient de x de pn , cest dailleurs exactement le coecient donn e par (84), les formes de Lagrange et de Newton d ecrivant le m eme interpolant uniquement d etermin e par les points dinterpolation.
n

On a donc pn (x) =
i=0

ai,interpi (f )(x x0 )(x x1 ) . . . (x xi1 ).

On ne calcule g en eralement pas les ai,interpi (f ) par (84), on appelle ce coecient di erence divis ee de f en x0 ,. . . , xi , et on le note [x0 , . . . , xi ]f . L ecriture (84) a cependant le m erite de montrer que [x0 , . . . , xn ]f est sym etrique en x0 ,. . . , xn , mais elle ne sugg` ere pas que cette di erence divis ee sannule sur Pn1 .

MATH2171 2005-06 4 Interpolation et applications Exercice: montrez que f (xi ) f (xj ) f (xj ) f (xk ) xi x j xj x k f (xi ) f (xj ) ; [xi , xj , xk ]f = [xi ]f = f (xi ) ; [xi , xj ]f = xi x j xi x k
Exercice: v eriez [xi , xj , xk ]x2 = 1.

146

On calcule les di erences divis ees par une succession de di erences et de divisions (do` u leur nom) quon tirera de lidentit e suivante: soit pi,j une nouvelle notation pour le polyn ome interpolant f en xi ,. . . , xj , j i: pi,j (xi ) = f (xi ), . . . , pi,j (xj ) = f (xj ). pi,j est donc de degr e j i (il y a j i + 1 points). On a: pi,j (x) = (x xi )pi+1,j (x) (x xj )pi,j 1 (x) , xj x i j > i. (87)

(Identit e de Neville-Aitken). En eet, 1. en x = xi+1 , . . . , xj 1 , pi+1,j (x) = pi,j 1 (x) = f (x), donc pi,j (x) = f (x); 2. en x = xi , pi,j 1 (x) = f (x) pi,j (x) = f (x); 3. en x = xj , pi+1,j (x) = f (x) pi,j (x) = f (x). Voyons maintenant les coecients des plus hautes puissances de x: [xi , . . . , xj ]f = [xi+1 , . . . , xj ]f [xi , . . . , xj 1 ]f , xj x i j > i. (88)

Ceci permet de construire successivement les colonnes du tableau suivant, a ` partir de la premi` ere: [x0 ]f [x1 ]f [x0 , x1 ]f [x2 ]f [x1 , x2 ]f [x0 , x1 , x2 ]f . . . .. . . . . . . . [xn ]f [xn1 , xn ]f [xn2 , xn1 , xn ]f [x0 , . . . , xn ]f On obtient un vecteur contenant tous les [x0 , . . . , xi ]f a ` partir des [xi ] = f (xi ) par les deux boucles suivantes, la boucle int erieure exploitant le vecteur a ` partir de la n:
for i=2:n+1;for j=n+1:-1:i;v(j)=(v(j)-v(j-1))/(x(j)-x(j-i+1));end;end;

Fonctions analytiques et int egrales de contour (Hermite). Soit f analytique dans lint erieur dun contour 1 f (t) C entourant xi , . . . , xj . Alors, [xi , . . . , xj ]f etant une combinaison lin eaire des f (xk ) = dt, pour 2i C t xk k = i, . . . , j , [xi , . . . , xj ]f = 1 2i [xi , . . . , xj ](tx)1 f (t) dt = 1 2i f (t) dt. (t xi ) (t xj )

Exercice. Montrez que, si f (x) = 1/(a x), [xi , . . . , xj ]f = 1/((a xi ) . . . (a xj )).

Lorsque les di erences divis ees i = [x0 , x1 , . . . , xi1 ]f sont connues, on calcule n pn (x) = i=0 i (x x0 ) . . . (x xi1 ) par un algorithme comparable au sch ema de Horner: p=v(n+1);for i=n:-1:1;p=p*(xx-x(i))+v(i);end;

MATH2171 2005-06 4 Interpolation et applications Exercice. Formule de Leibniz. Montrez que

n

147

[x0 , . . . , xn ]f g =
k =0

[x0 , . . . , xk ]f [xk , . . . , xn ]g .

En eet, soient pn et qn les interpolants de degr es n de f et g en x0 , . . . , xn . On ecrit pn et qn selon la forme de Newton, mais en adoptant lordre xn , . . . , x0 pour qn :
n n

pn (x) =
k =0

[x0 , . . . , xk ]f (x x0 ) (x xk1 ), qn (x) =

j =0

[xj , . . . , xn ]f (x xj +1 ) (x xn ).

Dans le produit pn qn terme a ` terme, les produits avec j k 1 contiennent tous les facteurs de (x x0 ) . . . (x xn ). La somme des produits avec j k , chacun de ces produits etant de degr e n j + k n, est donc linterpolant de degr e n de f g . Enn, le coecient n de x est obtenu a ` partir de la somme des produits avec j = k . 1.4. Extrapolation ` a la limite de Richardson. La formule de Neville-Aitken permet de construire commod ement les valeurs dinterpolants successifs en un point xe inaccessible x a ` partir des valeurs de f sur une suite xi x quand i : on part des ci,0 = f (xi ), (x xi )ci+1,k1 (x) (x xi+k )ci,k1 , k > 0. xi+k xi Les ci,k sont les pi,i+k (x) de (87). Application: x = 0, xi = 1/4i , ci,0 = 2i [F (u + 2i ) F (u 2i )] (formule de d erivation de Romberg). (Justiez le choix xi = 4i ). ci,k = 1.5. Formulation de Newton en g en eral. La base de Lagrange (duale) relative aux formes 0 , . . . , n est constitu ee de combinaisons lin eaires de emph tous les el ements de la base {0 , . . . , n } donn ee de Vn . Cette fois, on r earrange les fonctions de base de fa con triangulaire en 0 = 0,0 0 , 1 = 1,0 0 + 1,1 1 , n = n,0 0 + n,1 1 + + n,n n , ainsi que les formes 0 = 0,0 0 , 1 = 1,0 0 + 1,1 1 , n = n,0 0 + n,1 1 + + n,n n , toujours en maintenant la biorthogonalit e i (j ) = i,j , i, j = 0, 1, . . . , n.

MATH2171 2005-06 4 Interpolation et applications Avantage: linterpolant de f dans Vn est

n

148

pn =
j =0

j (f )j ,

puisque i (pn ) = n j =0 j (f )i (j ) = i (f ), pour i = 0, 1,. . . n, construction qui reste utilisable quand on passe a ` Vn+1 , (propri et e de permanence), puisque les m emes j et j se retrouvent 3 dans la solution du probl` eme sur Vn+1 Vn , il sut dajouter le terme en +1 n+1 n+1 : pn+1 = pn + n+1 (f )n+1 .
Ces deux r earrangements triangulaires de bases sont possibles sous les conditions suivantes: Th eor` eme. 4 Des el ements ind ependants 0 , 1 ,. . . dun espace vectoriel X et des formes ind ependantes 0 , 1 ,. . . de son dual X peuvent etre r earrang es triangulairement 0 = 0,0 0 , 1 = 1,0 0 + 1,1 1 , 2 = 2,0 0 + 2,1 1 + 2,2 2 i (j ) = i,j , 0 = 0,0 0 , 1 = 1,0 0 + 1,1 1 , 2 = 2,0 0 + 2,1 1 + 2,2 2 , i, j = 0, 1, . . . ,

avec i,i = 0, i,i = 0, i = 0, 1, . . ., de fa con a ` v erier les conditions de biorthogonalit e

si les probl` emes dinterpolation sur Vn Vn sont tous solubles, n = 0, 1,. . . , cest-` a-dire si les d eterminants n earrangement est unique si on pose 0,0 = 1,1 = . . . = 1. On a alors det[i (j )]i,j =0 sont tous non nuls. Ce r

n =

0 (0 ) n1 (0 ) 0

n1 det[i (j )]i,j =0

0 (n ) n1 (n ) n

0 (0 ) n (0 ) 0 (n1 ) n (n1 ) 0 n n = . n det[i (j )]i,j =0

En eet, supposons 0 ,. . . , n1 , 0 ,. . . , n1 d etermin es, n est un el ement de Vn (n +1 degr es de libert e) qui doit dabord v erier les n conditions 0 (n ) = . . . = n1 (n ) = 0. Comme i est une combinaison lin eaire de 0 ,. . . , i , ces conditions sur n deviennent n V n : 0 (n ) = . . . = n1 (n ) = 0. 0 (0 ) n1 (0 ) 0 0 (n ) n1 (n ) n (89)

Ces conditions sont bien remplies par une expression de la forme

n = C n

Quant a ` n , n (f ) est le coecient de n dans le d eveloppement de linterpolant dans Vn pn = n (f )n + el ements de Vn1 . Comme n = n + une combinaison lin eaire d el ements de Vn1 , on a donc aussi n (f ) = toute rigueur, on aurait donc d u noter j,n les el ements de la base de Lagrange de Vn , sugg erant ainsi que la base de Lagrange de Vn+1 na (normalement) aucun el ement commun avec celle de Vn . 4[Dav] 2.6; C. Brezinski, Biorthogonality and its Applications to Numerical Analysis , M. Dekker, 1992.
3En

avec un scalaire quelconque Cn , puisque i (n ), i < n, est un d eterminant contenant deux lignes identiques. n1 La derni` ere condition sur n est n,n = 1, donc Cn fois cofacteur de n = 1 Cn = 1/ det[i (j )]i,j =0 .

MATH2171 2005-06 4 Interpolation et applications

coecient de n dans linterpolant de f dans Vn . Cet interpolant etant 0 (0 ) n (0 ) 0 0 (n ) 0 (f ) n (n ) n (f ) n 0 , n det[i (j )]i,j =0

149

pn =

on trouve bien lexpression pr evue pour n , et on remarque que n (0 ) = . . . = n (n1 ) = 0, n (n ) = 1. On a donc etabli i (j ) = 0 si i < j , i (j ) = 0 si i > j , et i (i ) = 1. On peut aussi faire la liaison avec la factorisation triangulaire de la matrice [ i (j )]n i,j =0 : n n n n [i,p ]n [ ( )] [ ] = [ ( )] = [ ] . p q p,q =0 j,q j,q =0 i j i,j =0 i,j i,j =0 i,p=0 Interpolation polynomiale classique en formulation de Newton, di erences divis ees. Nous avons donc Vn = Pn , i (f ) = f (xi ), i = 0, . . . , n. Dapr` es (89), n (x) = xn + doit sannuler en x0 ,. . . xn1 , donc n (x) = (x x0 ) . . . (x xn1 ). Dailleurs, linterpolant pn de degr e n en x0 ,. . . xn doit eectivement di erer de pn1 dun multiple de (x x0 ) . . . (x xn1 ), an de ne pas d etruire le travail dinterpolation d ej` a r ealis e par pn1 en x0 ,. . . xn1 . Nous savons d ej` a par (90) que n est une combinaison lin eaire de 0 ,. . . , n qui doit sannuler sur Pn1 , et v erier n (n ) = n (xn ) = 1. Ainsi, 0 (f ) = f (x0 ) ; 1 (f ) = (f (x1 ) f (x0 ))/(x1 x0 ). n (f ) etant le coecient de xn de linterpolant pn , on peut faire appel a ` la formulation de Lagrange
n n

(90)

pn (x) =
j =0

f (xj ) j (x) =
j =0

f (xj )
0 k n,k=j

x xk xj x k 1 xj x k

pour extraire
n

n (f ) = [x0 , . . . , xn ]f =
j =0

qui nest donc autre que (84), la di erence divis ee de f en x0 ,. . . , xn .

f (xj )

0kn,k=j

1.6. Di erences divis ees et d eriv ees. Formule dHermite-Genocchi. Si f C n , on a [x0 , x1 , . . . , xn ]f =

Sn

f (n) (0 x0 + 1 x1 + n xn ) d1 . . . dn ,

(91)

o` u Sn est le simplexe i 0, 0 + + n = 1. 0 , . . . , n sont les coordonn ees barycentriques de la vari et e Sn a ` n dimensions Rn+1 . Une repr esentation param etrique des points de Sn au moyen des n param` etres u1 , . . . , un est donn ee par n = un , n1 = un1 un , n2 = un2 un1 , . . . 1 = u1 u2 , 0 = 1 u1 .

MATH2171 2005-06 4 Interpolation et applications La formule prend alors la forme dune int egrale nuple
1 u1 un1

150

[x0 , x1 , . . . , xn ]f =
0

du1
0

du2

dun f (n) (x0 + u1 (x1 x0 ) + + un (xn xn1 )).

x1 x0

(92) f (v ) dv
1

Preuve: 1.) vrai pour n = 1 puisque [x0 , x1 ]f = 2.) Si vrai pour n 1, par (88), [x0 , x1 , . . . , xn ]f = 1 = xn x 0 = 1 xn x 0
1 0 0 u1

f (x1 ) f (x0 ) = x1 x 0

x1 x 0

=
0

f (x0 + (x1 x0 )u) du.

un2

[x1 , . . . , xn ]f [x0 , . . . , xn1 ]f xn x 0 {f (n1) (x1 + (x2 x1 )u1 + + (xn xn1 )un1 )

...
0

1 0 0

u1

un2

f (n1) (x0 + (x1 x0 )u1 + + (xn1 xn2 )un1 )}du1 . . . dun1 {f (n1) (x1 + (x2 x1 )u1 + + (xn xn1 )un1 )

...
0

1 xn x 0
1

1 0 u1 0

u1

un2

( permutation (x0 , . . . , xn2 , xn1 ) (x1 , . . . , xn1 , x0 ))

(xn x0 )un1 0

f (n1) (x1 + (x2 x1 )u1 + + (x0 xn1 )un1 )}du1 . . . dun1 f (n) (x1 + (x2 x1 )u1 + + (x0 xn1 )un1 + v )du1 . . . dun1 dv

...
0 un2 un1 0

=
0 0

...
0

f (n) (x1 + (x2 x1 )u1 + + (x0 xn1 )un1 + (xn x0 )un )du1 . . . dun1 dun

Cas conuent. Si les xi sont tous distincts, lordre dans lequel on les prend na aucune inuence sur pn (si on fait abstraction des erreurs darrondi commises dans les calculs). On peut construire un interpolant dHermite correct a ` condition de regrouper les points prenant des valeurs identiques. Ainsi, si xi = xi+1 , consid erons la limite xi+1 = xi + h, h 0: [xi ]f = f (xi ), [xi+1 ]f = limh0 f (xi + h) = f (xi ), [xi , xi+1 ]f = limh0 (f (xi + h) f (xi ))/h = f (xi ), et il ny a pas dautre division embarrassante. Si xi = = xi+k , k = [xi , . . . , xi ]f (k + 1 fois) doit etre une forme lin eaire en f ne faisant (k ) intervenir que f (xi ), f (xi ),. . . , f (xi ) sannulant sur Pk1 et v eriant k (xk ) = 1: on doit avoir [xi , . . . , xi ]f = f (k) (xi )/k !
k +1 fois

Ceci montre quun interpolant tend vers une somme partielle de la s erie de Taylor 5 quand les points dinterpolation tendent les uns vers les autres.

5Cest

dailleurs comme cela que Taylor a trouv e sa s erie.

MATH2171 2005-06 4 Interpolation et applications

151

Quand la suite {x0 , . . . , xn } contient plusieurs sous-suites d el ements identiques, le tableau triangulaire des di erences divis ees contient des petits triangles de la forme f (xi ) f (xi ) f (xi ) f (xi ) f (xi ) f (xi )/2 . . . .. . . . . . . . f (xi ) f (xi ) f (xi )/2 f (k) (xi )/k !

dont les el ements ne peuvent etre calcul es par di erences et divisions mais doivent etre introduits dans le tableau, dailleurs ces el ements sont des donn ees de linterpolation dHermite: quand xi = . . . = xi+k , les k +1 donn ees relatives a ` ces points conuents sont bien f (xi ), . . . , f (k) (xi ). Splines dinterpolation. Soit a = x0 < x1 < . . . xN 1 < xN = b. La fonction spline dinterpolation de degr e m est: (1) un polyn ome de degr e m dans chaque intervalle [xi , xi+1 ], i = 0, 1, . . . , N 1; (2) interpolant en x0 , . . . , xN ; (3) dans C m1 dans tout lintervalle [a, b]. Outre le cas primitif m = 1 (ligne bris ee), le cas le plus recontr e est m = 3 (spline cubique ). Soit pi P3 la restriction de la fonction spline dans [xi , xi+1 ]. On a p(xi ) = yi et p(xi+1 ) = yi+1 donn es; p (xi ) = zi et p (xi+1 ) = zi+1 inconnus. Exprimons p a ` partir de ces 4 sp ecications: 2(x xi ) pi (x) = yi 1 + hi x xi+1 hi
2

2(x xi+1 ) x xi + yi+1 1 hi hi 2 (x xi )(x xi+1 ) (x xi+1 )(x xi )2 + zi + z , i +1 h2 h2 i i

o` u hi = xi+1 xi , dapr` es les formules (86) et (86 ) vues plus haut. Exprimons maintenant la continuit e de la d eriv ee seconde, pi (xi ) = pi1 (xi ): zi+1 yi1 zi yi+1 zi yi zi1 yi =6 2 6 2 +2 +4 , 6 2 + 6 2 4 2 hi hi hi hi hi1 hi1 hi1 hi1 do` u zi1 zi+1 1 1 yi yi1 yi+1 yi zi + + , +2 + =3 hi1 hi1 hi hi h2 h2 i1 i i = 1, 2, . . . , N 1: N 1 equations pour les N + 1 inconnues z0 , . . . , zN . On xe par exemple en plus p0 (a) = pN 1 (b) = 0 (fonction spline naturelle). 1.7. Reste de linterpolation polynomiale classique. Comme pn interpole f en x0 ,. . . , xn , on va poser o` u on sattend a ` ce que Kn soit raisonnablement r eguli` ere. Lemme. Si les xi se r epartissent en groupes dau plus k el ements identiques, et si f C k , kn est continue. f (x) pn (x) = kn (x) (x x0 ) . . . (x xn ),

MATH2171 2005-06 4 Interpolation et applications

152

En eet, kn (x) = (f (x) pn (x))/((x x0 ) . . . (x xn )) ne doit etre examin ee avec attention que pour x pr` es dun xi : D emonstration dans le cas de points distincts (k = 1): 1 f (x) pn (x) f (x) pn (x) = = kn (x) = (x x0 ) . . . (x xn ) x xj (x xi ) 0 j n,x =x
j i

f (x) f (xi ) [pn (x) pn (xi )]

0 j n,xj =xi

(on na rien chang e puisque pn (xi ) = f (xi )) a bien une limite quand x xi (cette limite est f (xi ) pn (xi ) ). 0 j n,xj =xi (xi xj ) D emonstration g en erale: soit xi = . . . = xi+m1 , m k , 1 f (x) pn (x) f (x) pn (x) = = kn (x) = (x x0 ) . . . (x xn ) x xj (x xi )m
0 j n,xj =xi

(x xj ) (x xi )

f (x) f (xi ) . . .

(x xi )m1 f (m1) (xi ) (x xi )m1 pn pn (x) pn (xi ) . . . (m 1)! (m 1)!

0 j n,xj =xi

(m1)

(xi )

(xi ) = f (m1) (xi )) a (on na rien chang e puisque pn (xi ) = f (xi ), pn (xi ) = f (xi ), . . . , pn ( m ) f (m) (xi ) pn (xi ) ). bien une limite quand x xi (cette limite est m! 0 j n,xj =xi (xi xj )
Exercice. Reprendre la d emonstration pr ec edente avec m = 1 et m = 2.

(x xj ) (x xi )m

(m1)

Proposition6. Si f C n+1 [a, b], a et b r eels, kn (x) =

f (n+1) ( ) , (n + 1)! o` u se trouve dans le plus petit intervalle contenant x0 ,. . . , xn et x (r eel). En eet, consid erons la fonction de t e(t) = f (t) pn (t) kn (x) (t x0 ) . . . (t xn ) pour x x e. La fonction e sannule en t = x0 ,. . . , t = xn et en t = x, ce qui fait n + 2 points. Par le th eor` eme de Rolle, e sannule au moins une fois dans chacun des n + 1 intervalles born es par ces n + 2 points (et sil y avait des points confondus, ce sont des z eros multiples eme de e, donc encore des z eros de e ). On poursuit jusqu` a la d eriv ee (n + 1)` de e: dn+1 (t x0 ) . . . (t xn ) = f (n+1) (t) kn (x) (n + 1)!, dtn+1 qui doit encore sannuler en au moins un point t = , soit: kn (x) = f (n+1) ( )/(n + 1)!.
6

n+1) e(n+1) (t) = f (n+1) (t) p( (t) kn (x) n

qui appara tra come un cas particulier du th eor` eme de Peano.

MATH2171 2005-06 4 Interpolation et applications

153

La formulation de Newton donne une expression tr` es int eressante du reste: soit encore x x e, et consid erons le polyn ome q qui interpole f en x0 ,. . . , xn et x: q (t) = pn (t) + [x0 , . . . , xn , x]f (t x0 ) . . . (t xn ), do` u, en t = x, donc f (x) pn (x) = [x0 , . . . , xn , x]f (x x0 ) . . . (x xn ), kn (x) = [x0 , . . . , xn , x]f . Par (91)-(92) et le premier th eor` eme de la moyenne, on retrouve bien
1 u1 0 un1 un

kn (x) = f (n+1) ( )
0

du1 du2 . . . dun dun+1 =

0 0

f (n+1) ( ) (n + 1)!

Remarquons que ces formules sont parfaitement valables si x est en dehors de lintervalle contenant x0 ,. . . xn : lextrapolation appara t ici comme un cas particulier de linterpolation. Ref.: M.S. Floater, Error formulas for divided dierence expansions and numerical dierentiation, J. Approx. Theory 122 (2003) 1-9; C. de Boor, A divided dierence expansion of a divided dierence, J. Approx. Theory 122 (2003) 10-12. Choix optimal des points dinterpolation. On sait que le polyn ome p n de Pn minimisant f p sur un intervalle donn e [a, b] est tel que f p n prend alternativement les valeurs +En et En en au moins n + 2 points de [a, b] (th eor` eme d equioscillation), ce qui d enit implicitement n+1 points optimaux dinterpolation. Ces points d ependent de n et f . Un choix raisonnable de points ind ependants de f 7 est obtenu en minimisant la norme de n+1 (x) = (x x0 ) . . . (x xn ) sur [a, b]. Ceci impose (n+1 (x))opt = 1 2n ba 2
n+1

Tn+1

o` u on a utilis e Tn (t) = 2n1 tn + Exercice. Constater la divergence en norme uniforme de linterpolation de 1/(1 + a 2 x2 ) sur des points equidistants de [1, 1] quand a est assez grand (ph enom` ene de Runge).

x (a + b)/2 , (b a)/2

On ecrit f (x) = (i/(2a))((x + i/a)1 (x i/a)1 ), donc f (x) pn (x) = (i/(2a))([x0 , . . . , xn , x](x+i/a)1 [x0 , . . . , xn , x](xi/a)1 )(x x0 ) . . . (x xn ) = (i(1)n+1 /(2a))((x0 + i/a)1 . . . (xn + i/a)1 (x + i/a)1 (x0 i/a)1 . . . (xn i/a)1 (x i/a)1 )(x x0 ) . . . (x xn ), dapr` es un exercice pr ec edent. On examine alors l evolution de n+1 (x)/n+1 (i/a) = (x x0 ) . . . (x xn )/((i/a x0 ) . . . (i/a xn )) en fonction de n. Ce rapport tend rapidement vers linni quand n si on choisit des points equidistants sur [1, 1] et si x est pr` es de 1. Pour un traitement d etaill e, voir Hairer [Hai], chap. 2.

emes On evite le recours a ` des d eriv ees n` dans des estimations derreur en evaluant la norme du projecteur dinterpolation Pinterp : si Pinterp f est linterpolant de f dans Pn en x0 , . . . , xn , f Pinterp f = f p Pinterp (f p) pour p Pn puisque Pinterp p = p et Pinterp est lin eaire, donc |f (x) (Pinterp f )(x)| (1 + Pinterp (x) ) f p ,

si on sait par le th eor` eme dapproximation de Weierstrass que En 0 quand n , il existe toujours des fonctions continues pour lesquelles les interpolants bas es sur des points donn es a ` lavance ne convergent pas en norme uniforme (th eor` eme de Bernstein-Faber).

7Mais,

MATH2171 2005-06 4 Interpolation et applications

154

o` u Pinterp (x) est la forme qui donne la valeur de linterpolant en un point x x e. En formulation de Lagrange, et en norme ,
n n

Pinterp (x)

= max
f

f (xi ) i (x) =
i=0 i=0

| i (x)|,

(fonction de Lebesgue ). On voit donc comment lerreur dinterpolation se compare a ` lerreur de meilleure approximation.
1.8. Interpolation dHermite-Fej er. Linterpolant dHermite-Fej er Hn f de f C [a, b] aux n + 1 points x0 , . . . , xn est le polyn ome de degr e 2n + 1 v eriant (Hn f )(xi ) = f (xi ), (Hn f ) (xi ) = 0, i = 0, . . . , n.

Il nest donc pas question de faire appel a ` des valeurs de f qui pourrait ne pas exister. Il sen suit egalement que, si f est un polyn ome non constant, Hn f est g en eralement di erent de f : lop erateur Hn nest pas un projecteur. Cependant, on peut montrer quavec des xi bien choisis, les polyn omes hj de (86) sont positifs sur [a, b], de n sorte que H\ : (Hn f )(x) = 0 f (xj )hj (x) est un op erateur positif. Comme pour les polyn omes de Bernstein, on peut en tirer une d emonstration du th eor` eme de Weierstrass P = C selon sur un compact [a, b]. Exercice. Montrez que, si les xi sont les z eros du polyn ome de Tchebyche Tn+1 , on a hj (x) = (1 xxj ) Tn+1 (x) n(x xj )
2

2. Formules dint egration bas ees sur linterpolation. Une formule interpolatoire de quadrature consiste a ` approcher a f (x)d(x) par a pn (x)d(x), o` u pn est un interpolant de f . La formulation de Lagrange est la plus commode ici: la formule de quadrature est
n b b b

Lj f (xj ) ,
j =0

Lj =
a

j (x)d(x).

Les exemples les plus classiques (Simpson, etc.) sont associ es a ` des points en progression arithm etique et seront vus au chapitre suivant. Toute formule de ce type est une forme contenant Pn dans son noyau, donc
b a n b n

f (x)d(x)

Lj f (xj ) =
j =0 a

(f (x) p n (x))d(x)
b

j =0

Lj (f (xj ) p n (xj ))
n

d(x) +
a j =0 n 0

|L j | Lj =

f p n
b a

estimation sp ecialement favorable si les Lj

0: on a alors

|L j | =

n 0

d(x).

MATH2171 2005-06 4 Interpolation et applications

155

2.1. Reste de la formule de quadrature de Gauss. La formule de quadrature de Gauss vue au chap. 3 p. 92 peut aussi sinterpr eter comme une formule interpolatoire, mais a ` partir dun interpolant dHermite! En eet, soit p2n1 le polyn ome de P2n1 qui v erie p2n1 (xj ) = f (xj ) et p2n1 (xj ) = f (xj ), j = 1, . . . , n. Dapr` es la formulation de Lagrange dans le cas conuent, on a p2n1 (x) = n j =1 (f (xj )hj (x) + b f (xj )hj (x)) (les indices vont maintenant de 1 a ` n), donc p2n1 (x)d(x) = n (Hj f (xj ) + j (x)d(x). Cependant, si les xj sont les z Hj f (xj )), avec Hj = hj (x)d(x) et Hj = h eros du polyn ome orthogonal n de degr e n relatif a ` d (et on sait [p. 89] que n a tous ses z eros distincts dans (a, b)), on a
b b a b a a j =1

Hj =
a

j (x) d(x) h
b

= constante
a b

(x xj ) n (x)

1k n,k =j

(x xk )2 d(x)

= constante
a

k =j

(x xk ) d(x)

=0

par orthogonalit e de n et Pn1 ! La formule se r eduit donc a ` une combinaison de f (x1 ),. . . , f (xn ) et est exacte sur P2n1 , ce qui sut a ` lidentier a ` la formule de Gauss. V erions quand m eme que Hj est bien le wj,n de la p. 92:
b

Hj =
a b

hj (x) d(x) [1 + Aj (x xj )]
b

=
a

1k n,k =j

x xk xj x k

d(x)
2

(dapr` es (86))

=
a b

[1 + Aj (x xj )] n (x) (x xj ) n (xj )

n (x) (x xj ) n (xj )
2

d(x) (orthogonalit e) (Christoel-Darboux)

=
a b

d(x) > 0
2

=
a

n1 k =0 k (x)k (xj ) n n (xj ) n1 (xj )

d(x)

= =

n1 2 k =0 k (xj ) 2 2 (x ) 2 n n j n1 (xj ) n1 k =0

(orthonormalit e) (Christoel-Darboux avec x = y = xj )

1 2 k (xj )

MATH2171 2005-06 4 Interpolation et applications Le reste de la formule est donc

b a n b

156

f (x) d(x)

Hj f (xj ) =
j =1 a b

(f (x) p2n1 (x)) d(x) K2n1 (x)(x x1 )2 . . . (x xn )2 d(x)

b

=
a

=
a

K2n1 (x)2 n (x) d(x)

= k2n1 ( ) n 2 . = f (2n) ( ) n 2 . (2n)!

avec et [a, b], ayant utilis e le premier th eor` eme de la moyenne 8, sachant que k2n1 est continue. 2.2. Formules de quadratures de Gauss avec points impos es. Fixons x0 , . . . , xn1 , laissons x1 , . . . , xn2 libres de fa con a ` avoir une formule
n1 (1) (1) hi f (xi ) 0 n1 (1) (1) (2) (2) b a

f (x)d(x)

+
1

hj f (xj ) exacte pour des polyn omes de degr e aussi elev e que possible
(1) (2)

(2)

(2)

(degr e de pr ecision ). Comme il y a n1 + 2n2 + 1 degr es de libert e (les n1 + 1 hi , les n2 xj (2) ` un degr e de pr ecision n1 + 2n2 . et les n2 hj ), on sattend a (2) (2) (2) (1) (1) Solution: soit 1 (x) = (x x0 ) . . . (x xn1 ). On prend xj et hj 1 (xj ) = noeuds et poids de la formule de Gauss relative a ` la mesure 1 (x) d(x). Alors, p Pn1 +2n2 , p = q1 + r , avec q P2n2 1 et r Pn1 . On a bien
b b b n2

p(x) d(x) =
a a

q (x)1 (x) d(x) +

a

r (x) d(x) =
1

hj 1 (xj )q (xj )
exacte par Gauss n1 n2 (1) (1) hi r (xi ) + 0 1

(2)

(2)

(2)

+ o` u il sut donc de xer les n1 + 1 hi On distingue les r` egles de

(1) (1)

hj r (xj ),

(2)

(2)

pour que la formule soit exacte pour tout r Pn1 .

(1) Lobatto: n1 = 1, xi = a et b. (1) (2) Radau: n1 = 0, x0 = a ou b. (1) (3) Kronrod: n1 = n2 = n, les xi proviennent dune formule de Gauss. La th eorie est assez d elicate, la mesure 1 (x) d(x) n etant plus de signe constant (th eorie des polyn omes de Stieltjes).
Mawhin, Introduction a ` lanalyse , Cabay, 1979, p.334; Analyse. Fondements, techniques, evolution, eme De Boeck, p. 388 dans la 2` edition de 1997: si f est r eelle continue sur [a, b], g positive sur [a, b], g et f g b b int egrables sur ]a, b], alors c [a, b] : a f g = f (c) a g
8J.

MATH2171 2005-06 4 Interpolation et applications

157

Cf. W. Gautschi, Orthogonal polynomials and quadrature, ETNA ( http://etna.mcs.kent.edu/htm 9 (1999) 65-76. On se sert souvent dune formule de Kronrod pour estimer lexactitude du r esultat obtenu avec la r` egle de Gauss sous-jacente. Si l ecart est sup erieur a ` une tol erance demand ee, on reprend avec un intervalle plus petit, voir r` egles adaptatives plus bas. 2.3. Points de Tchebyche: r` egle de Clenshaw-Curtis.
N

Si on dispose de lapproximation discr` ete

0

ck (f ) Tk de f , en fait interpolation de f aux

1 1

(N )

N + 1 extrema cos(j/N ), j = 0, . . . , N de TN , on estime

N

f (x)dx par

ck (f )
0

(N )

Tk (x)dx =
1 N 0 k pair N

ck (f ) cos j , N cos j N

(N )

2 , ce qui donne, compte tenu de 1 k2

ck (f ) =

(N )

2 N
1 1

cos
0

jk f N
N

f (x) dx

j f
j =0

(N )

(N )

2 N

0 k pair

2 cos(jk/N ) . 1 k2

2.4. R` egles adaptatives dint egration. On ne subdivise un intervalle que si une estimation de lerreur d epasse une tol erance impos ee. On arrive a ` une construction r ecursive du type integ(f,a,b,tol) f1=formul1(f,a,b) /* formule de base sur (a, b) */ f2=formul2(f,a,b) /* formule plus ran ee, par exemple, Kronrod */ if |f2-f1| < = tol then return f1 else return integ(f,a,(a+b)/2,tol/2) + integ(f,(a+b)/2,b,tol/2) end Cf. J.R. Rice, Numerical Methods, Software, and Analysis, McGraw-Hill, 1983, pp. 193198; P. Favati, G. Lotti, F. Romani, Algorithm 691; Improving QUADPACK automatic integration routines, ACM Trans. Math. Soft. 17 (1991) 218-232. Pour des d eveloppements r ecents, en particulier sur lint egration num erique de fonctions de plusieurs variables, voir le tr` es dynamique groupe NINES de la KULeuven, http://www.cs.kuleuven.ac.be/cwis/research/nines/ 3. Repr esentation du reste: th eor` eme de Peano. Lorsquune formule approch ee est exacte pour des polyn omes de degr e n, on essaye le plus (n+1) souvent de trouver pour le reste une expression de la forme Cf ( ), le prototype de ce genre de formule etant le reste dune approximation de Taylor (en un point x e x): RTaylor,n f := f (x) f (x0 ) (x x0 )f (x0 ) (x x0 )n+1 f (n+1) ( ) (x x0 )n f (n) (x0 ) = , n! (n + 1)!

MATH2171 2005-06 4 Interpolation et applications

158

( [x0 , x]), valable si f C n+1 [x0 , x]. On a trouv e une extension au reste de linterpolation polynomiale: Rinterp,n f := f (x) interpolant de f en x0 , . . . , xn = (x x0 ) . . . (x xn )f (n+1) ( ) , (n + 1)!

avec [min(x0 , . . . , xn , x), max(x0 , . . . , xn , x)]. Deux probl` emes: (1) Lincertitude sur peut conduire a ` surestimer des bornes derreur. Cette situation ne peut que saggraver si on utilise de telles estimations dans dautres formules, par exemple dans une r` egle de quadrature interpolatoire. (2) On peut vouloir appliquer la formule a ` f C n+1 . Et deux id ees pour sen sortir: (1) Comme on sint eresse a ` des formes lin eaires, Rf = R(f p) pour tout p de degr e n, par exemple, une meilleure approximation, mais aussi toute autre approximation, et pas n ecessairement de degr e n, une approximation de Taylor, etc. (2) On conna t aussi une formulation int egrale du reste de lapproximation de Taylor de nimporte quel degr em n
x

RTaylor,m f =
x0

(x t)m f (m+1) (t) dt. m!

Le th eor` eme de Peano incorpore ces deux id ees dans l enonc e remarquable suivant: 3.1. Th eor` eme (Peano). Soit R une forme sur C r (a, b) sannulant sur Pm . Alors, si f C m+1 (a, b), (m r 0),
b

Rf =
a

Km (t)f (m+1) (t) dt,

(93)

(. t)m + , cest-` a-dire pour t x e, Km (t) = R appliqu ee a ` la fonction de u qui m! m vaut 0 tant que u < t, et qui vaut (u t) /m! quand u t. De plus, si Km est de signe constant sur (a, b), avec Km (t) = R Rf = Cf (m+1) ( ) , Graphes de fonctions (u) = (u t)m +:
6 6

o` uC=R

um+1 . (m + 1)!
6

m=0

m=1

m=2

u u u t t t En eet, R sapplique a ` C r R est une combinaison lin eaire de valeurs ponctuelles de f, f , . . . , f (r) et dint egrales de f, f , . . . , f (r) :
b

Rf =
i j r

ci,j f (j ) (xi,j ) +
j r a

dj (u)f (j ) (u) du

MATH2171 2005-06 4 Interpolation et applications

159

(notons que les valeurs ponctuelles pourraient etre incorpor ees dans des int egrales au sens de Riemann-Stieltjes). on a donc Rf = R(f p) avec nimporte quel p Pm , choisissons p = approximation de x (x t)m f (m+1) (t) dt, ce qui s ecrit Taylor de degr e m autour de a, donc f (x) p(x) = m! a b (m+1) (x t)m (t) +f encore comme lint egrale sur (a, b): dt, m! a mj (m+1) b (x t)+ f (t) ` eme (j ) (j ) remarquons aussi que la j d eriv ee de f p est f (x) p (x) = dt, (m j )! a donc
b

Rf = R(f p) =

ci,j
i j r a

mj (m+1) (xi,j t)+ f (t) dt+ (m j )! b b

dj (u)
j r a a

mj (m+1) (u t)+ f (t) dt du (m j )!

=
a i j r

ci,j

mj (xi,j t)+ + (m j )!

dj (u)
j r a

mj (u t)+ du f (m+1) (t) dt (m j )! b

(th eor` eme de Fubini-Tonnelli pour les fonctions int egrables), ce qui est bien avec Km (t) =
i j mj (xi,j t)+ + ci,j ( m j )! r b j r a a

Km (t)f (m+1) (t) dt

(u

t)m + /(m!)

pour t x e [a, b].

j (u t)m + du = R appliqu e a ` (u) = dj (u) (m j )! b

Enn, si Km est de signe constant sur [a, b], a Km (t)f (m+1) (t) dt = Cf (m+1) ( ), avec b C = a Km (t) dt, par le th eor` eme de la moyenne du calcul int egral (voir note p. 156). Par cons equent, si on applique R a ` un polyn ome f tel que f (m+1) (x) 1, comme f (x) = xm+1 /(m+ 1)!, on a bien Rf = C . Remarques.
` eme (1) Pour t x e dans [a, b] et m 1, m (u) = (u t)m primitive de la + /m! est la m u fonction echelon 0 (u) = (1+sign (u t))/2, avec m (a) = 0 : m (u) = a m1 (t) dt. eme (2) Au sens des distributions, m est la (m + 1)` primitive de la distribution de Dirac (u t). (3) Si on admet la forme (93), on retrouve eectivement une valeur de Km , disons Km (t0 ), eme en appliquant R a ` une fonction dont la d eriv ee (m + 1)` est une distribution de m Dirac, pr ecis ement f (t) = (t t0 )+ /m!. (4) Si m > r , Km (a) = Km (b) = 0 : m C m1 , donc Km est continue (ne contient que emes des d eriv ees au plus r` de m ), Km (a) = R appliqu e au polyn ome (u a)m /m! Pm , Km (b) = R appliqu ea ` la fonction nulle. t (5) Si m > r , Km (t) = a Km1 (u) du, puisque Km (a) = Km (b) = 0 et b b (m) Rf = a Km (t)f (m+1) (t) dt Rf = [Km f (m) ]b (t) dt. a a Km (t)f

MATH2171 2005-06 4 Interpolation et applications

160

(6) Si Rf = 0 pour f Pn , K0 , . . . , Kn1 doivent changer de signe sur [a, b] puisque b Km (t) dt = 0 tant que m < n (il sut de prendre f (t) = tm+1 dans (93)). Seul Kn a a une chance de ne pas changer de signe sur [a, b] si Rf ne sannule pas sur Pn+1 . Exemples: Di erence divis ee: dapr` es (91), Kn (t) = la mesure de lintersection du simplexe Sn et de lhyperplan 0 x0 + + n xn = t. Kn est donc une fonction positive, dint egrale d enie 1/n!. On a Kn (t) = Bn (t; x0 , . . . , xn ), n2 fonction de classe C , dont la restriction entre deux xi est un polyn ome de Pn1 (B ((x0 , x1 )) f (x1 ) f (x0 ) = f (t) dt, spline.) En eet, 1.) pour n = 1, on a [x0 , x1 ]f = x1 x 0 x1 x0 donc B1 est une fonction discontinue, constante par intervalles, dint egrale d enie unit e; 2.) passage de n 1 a ` n: [x0 , . . . , xn ]f = Bn1 (t; x1 , . . . , xn1 ) Bn1 (t; x0 , . . . , xn1 ) (n1) [x1 , . . . , xn ]f [x0 , . . . , xn1 ]f = f (t) dt = xn x 0 xn x 0

Bn (t; x0 , . . . , xn )f (n) (t) dt. Bn est donc une primitive dune combinaison de fonctions

Bn1 , donc dun ordre de continuit e plus elev e, de degr e plus elev e que Bn1 entre deux xi . Formules dint egration: voir p. 167

MATH2171 2005-06 5 Di erences nies

161

CHAPITRE 5
Di erences nies. Interpolation, d erivation, int egration, formules sommatoires.
On soccupe ici de traiter des fonctions a ` partir de valeurs en des points en progression arithm etique x0 , x0 h, x0 2h, . . . Les manipulations de di erences de valeurs de fonctions ont dabord servi a ` lutilisation de tables, un art aujourdhui presque eteint. 29 degr es Sin. D Tang. D.C Cotg. 22 30 10 1,68 784 1,74 673 0, 25 327 23 29 11 807 702 298 22 30 12 829 732 268 etc.
Parties prop. 23 3,8 7,7 11,5 15,3 19,2 2,3 2,7 3,1 3,5

10 20 30 40 50 6 7 8 9

Extrait des Tables de logarithmes a ` cinq d ecimales et autres tables, par N.J. Schons, La eme Procure-Casterman, 4` ed., 1959.
Des logarithmes d ecimaux de sinus et tangentes sont donn es de minute en minute, les nombres n egatifs sont donn es sous la forme x, yyyyy signiant x + 0.yyyyy . Les di erences premi` eres (D.C signie que ces di erences valent egalement pour les cotangentes) susent a ` reconstituer une valeur pour un angle jusqu` a la pr ecision de la seconde darc. Les colonnes parties proportionnelles servent a ` faciliter les calculs dinterpolation lin eaire.

Le calcul aux di erences nies sest rapidement d evelopp e en m eme temps que le calcul innit esimal (dans la d enomination, nies soppose a ` innit esimales), ce qui est loccasion de rencontrer des correspondances int eressantes (il y a des formules de sommation par parties, etc.) On retrouve ce calcul dans certains domaines de lalg` ebre (groupes particuliers), de la th eorie des fonctions (transformations de fonctions) et, bien entendu, en math ematiques discr` etes. Nombreuses applications en physique et en th eorie du signal. 1. Les op erateurs du calcul aux di erences. Pour h x e, on envisage dappliquer les op erateurs suivants a ` des fonctions d enies sur un ensemble contenant au moins des nombres en progression arithm etique de pas h:

MATH2171 2005-06 5 Di erences nies (1) Op erateur de translation. E : (Ef )(x) = f (x + h). (2) Op erateur de di erence progressive. : (f )(x) = f (x + h) f (x). (3) Op erateur de di erence r egressive. : (f )(x) = f (x) f (x h). (4) Op erateur de di erence centrale. : (f )(x) = f (x + h/2) f (x h/2). (5) Op erateur de moyenne. f (x + h/2) + f (x h/2) : (f )(x) = . 2 (6) Op erateur de d erivation. D : (Df )(x) = f (x).
x+h

162

(7) Op erateur dint egration. J : (Jf )(x) =

x

f (t)dt.

Les deux derniers op erateurs sont bien s ur des op erateurs de lanalyse innit esimale. On verra comment les approcher au moyen des op erateurs aux di erences proprement dits.

Tous ces op erateurs sont bien des applications lin eaires d enies sur un ensemble tr` es large de fonctions. On peut donc consid erer des sommes et produits de ces op erateurs, ainsi: (E f )(x) = f (x + 2h) f (x + h), (2 f )(x) = f (x + 2h) 2f (x + h) + f (x), ( 2 f )(x) = (f )(x) = (f )(x) = f (x + h) 2f (x) + f (x h).

On v erie que le produit est commutatif.

Accessibilit e. Si on ne dispose que des valeurs f (x0 ), f (x0 h), f (x0 2h), . . . , toute formule utilisable devra n ecessairement aboutir a ` une combinaison de ces valeurs disponibles. Ainsi, on peut librement disposer de nimporte quelle puissance (enti` ere) et produits de E, et en toute abscisse x0 + kh, avec k entier. Par contre, et doivent etre appliqu es a ` des abscisses x0 + (k + 1/2)h, k entier. 2 et 2 de f en x font appel a ` f (x) et f (x h) et peuvent donc sappliquer a ` nouveau a ` des abscisses x0 + kh, k entier. Il en est de m eme pour tout produit i j si i + j est pair.

MATH2171 2005-06 5 Di erences nies

163

Les m emes di erences calculables sexpriment indi eremment en termes de di erences progressives, centrales ou r egressives, soit xk = x0 + kh: f (x3 ) f (x2 ) f (x1 ) f (x0 ) f (x1 ) f (x2 ) f (x3 ) (94) Inversion et autres identit es. E k signie clairement (E k f )(x) = f (x + kh) pour tout k Z. Tout naturellement, on d enira s (E f )(x) = f (x + sh) pour s quelconque. On peut alors exprimer tous les op erateurs aux di erences en fonction de lun dentre eux, soit E : E 1/2 + E 1/2 = E 1, = 1E , = E E , = , E 1 = (/2)2 , 1 = 2 2 /4. 2 (pour D et J , on verra un peu plus loin). Linverse de nest d enie qu` a une constante pr` es, comme linverse de D : ce doit donc etre une sorte de primitive discr` ete, on y reviendra. Remarquons que D 1 est bien d eni: ce nest autre que J ! Ce calcul op erationnel est partiellement justi e par leet de lapplication de ces op erateurs aux fonctions exponentielles ex : on constate que lon retrouve la m eme exponentielle multipli ee par une constante, que les exponentielles sont donc des fonctions propres de ces op erateurs, avec les valeurs propres
1 1/2 1/2

(f )(x2 ) = (f )(x3/2 ) = (f )(x1 ) (2 f )(x2 ) (f )(x1 ) = (f )(x1/2 ) = (f )(x0 ) (2 f )(x1 ) (f )(x0 ) = (f )(x1/2 ) = (f )(x1 ) (2 f )(x0 ) (f )(x1 ) = (f )(x3/2 ) = (f )(x2 )

= ( 2 f )(x1 ) = (2 f )(x0 ) (3 f )(x2 ) = ( 3 f )(x1/2 ) = (3 f )(x1 ) = ( 2 f )(x0 ) = (2 f )(x1 ) (3 f )(x1 ) = ( 3 f )(x1/2 ) = (3 f )(x2 ) = ( 2 f )(x1 ) = (2 f )(x2 )

e e 1 1 e o` u = h.
Autres op erateurs. q di erence: (Dq f )(x) =

D J /2 e +e e 1 e/2 e/2 h 2 h = 2 sinh(/2) = cosh(/2)

/2

(95)

f (qx) f (x) . (q 1)x

Op erateur dAskey-Wilson: choix le plus g en eral de fonctions 1 et 2 telles que (DAW f )(x) =

envoie Pn dans Pn1 . Cf. R. Askey, J. Wilson: Some basic hypergeometric orthogonal polynomials that generalize Jacobi polynomials, Memoirs of the AMS 54, n 319 (1985). G. Gasper, M. Rahman: Basic Hypergeometric Series, Encyc. of Math. and Applic. 35, Cambridge U.P., 1990. R. Koekoek & R.F. Swarttouw : The Askey-scheme

f (2 (x)) f (1 (x)) 2 (x) 1 (x)

MATH2171 2005-06 5 Di erences nies

164

of hypergeometric orthogonal polynomials and its q-analogue. Report Techn. Univ. Delft no. 98-17, 1998. ftp://ftp.twi.tudelft.nl/TWI/publications/tech-reports/1998/DUT-TWI-98-17.ps.gz

2. Interpolation. Estimer f (x0 + sh) a ` partir des f (x0 + kh), k Z revient donc a ` exprimer E s a ` partir de puissances enti` eres des op erateurs disponibles, en fait a ` partir des expressions du tableau (94) S eries de puissances de . D eveloppons E s = (1 + )s selon le bin ome de Newton g en eralis e:

E = (1 + ) =
k =0

s(s 1) 2 s(s 1)(s 2) 3 s + + k = 1 + s + 2 6 k

(formule de Newton-Gregory). Deux fa cons de justier ce d eveloppement: (1) Toute somme partielle repr esente un op erateur dinterpolation polynomiale, selon la forme de Newton, en eet, avec x = x0 + sh et xi = x0 + ih, i = 0, 1, . . . s(s 1) . . . (s k + 1) = (x x0 )(x x1 ) . . . (x xk1 )/hk et, en comparant la formation des di erences nies aux di erences divis ees:
k

( f )(xp ) = ( f )(xp+k ) = ( f )(xp+k/2 ) = k !h [xp , xp+1 , . . . , xp+k ]f =

j =0

(1)j

k f (xj ). j

(96) La formule de Newton-Gregory est donc exacte lorsquelle sapplique a ` un polyn ome, cas o` u la s erie se limite a ` un nombre ni de termes non nuls. (2) Lorsquon applique la formule a ` une exponentielle ex , on voit quon est en pr esence de s s k la s erie num erique e = [1 + (e 1)]s = ( e 1) , avec = h , s e rie qui con0 k verge si |e 1| < 1. On peut etudier toute fonction susceptible dune repr esentation du type f (x) = L ex ()d, forme que lon trouve dans des formules dinversion de transform ees de Laplace et de Fourier. Exercice: constater la divergence de la s erie de Newton-Gregory de e s a ` partir des di erences 2 3 de la suite {1, e, e , e , . . . }. Il y a egalement une forme r egressive d eveloppant E s = (1 )s . S eries de puissances de . Les sommes partielles successives de la s erie de Newton-Gregory sont des valeurs en x = x0 + sh dinterpolants en x0 ; x0 et x1 ; x0 , x1 et x2 , etc. Supposons s entre 0 et 1: il faudrait alors plut ot partir dun certain xp , et commencer a ` rencontrer des valeurs signicatives a ` ` eme partir de la p somme partielle. Il vaut mieux prendre les points dinterpolation dans lordre x0 , x1 , x1 , x2 , . . . , ce qui donne [x0 ]f + [x0 , x1 ]f (x x0 ) + [x0 , x1 , x1 ]f (x x0 )(x x1 ) + [x0 , x1 , x1 , x2 ]f (x x0 )(x x1 )(x x1 ) + , donc, par (96), E s = 1 + sE 1/2 + s(s 1) 2 s(s 1)(s + 1) 3 1/2 s(s 1)(s + 1)(s 2) 4 + E + + 2 6 24

MATH2171 2005-06 5 Di erences nies

165

(formule de Gauss progressive). Si on prend plut ot lordre x0 , x1 , x1 , x2 , x2 . . . , on a s(s + 1) 2 s(s + 1)(s 1) 3 1/2 s(s + 1)(s 1)(s + 2) 4 + E + + E s = 1 + sE 1/2 + 2 6 24 (formule de Gauss r egressive). Formule de Stirling: moyenne des deux formules pr ec edentes 2 2 s s(s 1) 3 s2 (s2 1) 4 E s = 1 + s + 2 + + + 2 6 24 Formule de Bessel: moyenne de la formule de Gauss progressive et de E fois la formule r egressive pour E s1 : s(s 1) 2 1 + E s(s 1)(s 1/2) 3 1/2 s(s 1)(s + 1)(s 2) 4 1 + E 1+E Es = +(s1/2)E 1/2 + + E + 2 2 2 6 24 2 2p+1 1/2 2p Formule dEverett: formule pr ec edente o` u on remplace les E par (E 1): Es =

1+E E 1 s(s 1) 2 1 + E s(s 1)(2s 1) 2 E 1 s(s 1)(s + 1)(s 2) 4 + (2s 1) + + + 2 2 2 2 6 2 24 s(s 1)(s 2) 2 (s + 1)s(s 1) 2 + E + = 1 s + sE 6 6 s+k s + k 1 2k 2k E . + = 2 k + 1 2 k + 1 k =0 3. D erivation. Il sagit dextraire D en fonction de E , ou , etc. Ecrivons symboliquement la formule de Taylor:

(Ef )(x) = f (x + h) =
k =0

f (k) (x) hk = k!

k =0

hk k (D f )(x) = (ehD f )(x), k! 1 ln E. h

soit, E = ehD ,
k 1

D=
k

Formules progressives et r egressives (Marko ): hD = ln(1 + ) =

k =1

(1)

= ln(1 ) =

k =1

k . k
/2 (1 + u2 )1/2 du 0

Formules centr ees (Bickley): dapr` es (95), hD = 2 arg sinh(/2) = 2 (1/2)(3/2)... (1/2k ) (/2)2k+1 , k =0 k! 2k +1 (hD )n = n 1

n 2 5n2 + 22n 4 + + , 24 5760 utilisable en x0 seulement si n est pair. Si n est impair, on sarrange pour avoir des termes en n , n+2 , par (1 + 2 /4)1/2 = : (hD )n = n 1 n + 3 2 5n2 + 52n + 175 4 + + . 24 5760

MATH2171 2005-06 5 Di erences nies

166

Pour evaluer f (n) (x0 + sh): multiplier D n par un d eveloppement de E s et appliquer en x0 .

4. Int egration. h h 1 1 h = = = h 1 + 2 + 2 3 ln E ln(1 + ) 1 /2 + /3 /4 + 2 12

J = D 1 =

(Adams-Bashforth). Sert de pr edicteur dans des solveurs d equations di rentielles: y =

x1

E1 (1 )1 1 1 5 3 251 4 J =h =h = h 1 + + 2 + 3 + + ln E ln(1 ) 2 12 8 720 f (t, y (t))dt = y (x0 ) + (Jf )(x0 ).

x0

f y (x1 ) = y (x0 ) + J=h

(Adams-Moulton). Sert de correcteur.

E 1 1 1 19 4 E1 =h = hE 1 2 3 + ln E ln(1 ) 2 12 24 720

4.1. Formules de Newton-Cotes.

xm

Principe: on estime lint egrale d enie

x0

f (x) dx par la valeur de lint egrale de linterpolant

aux points equidistants x0 , x1 , . . . , xm (formules ferm ees) ou x1 , x2 , . . . , xm1 (formules ouvertes). Em 1 On peut par exemple exprimer J (1 + E + + E m1 ) = J en s erie de puissances E1 m de et sarr eter au terme en . Ainsi, la formule ferm ee pour m = 2 est le d eveloppement 2 (1 + ) 1 arr et e au terme en 2 de h(1 + /2 2 /12 + ) , ce qui donne h(2 + 2 + 2 2 /3) = h(1 + 4E + E )/3 (formule de Simpson). Les formules sont g en eralement donn ees en termes des valeurs successives de f , comme on pourrait dailleurs les obtenir par int egration de la forme de Lagrange de linterpolant: m 1 2 3 4 Formules ferm ees h(f0 + f1 ) 2 trap` eze h(f0 + 4f1 + f2 ) 3 Simpson 3h(f0 + 3f1 + 3f2 + f3 ) 8 Newton 3/8 , pulcherrima 2h(tf0 + 32f1 + 12f2 + 32f3 + 7f4 ) 45 Bode, Milne Formules ouvertes

2hf1 3h(f1 + f2 ) 2 4h(2f1 f2 + 2f3 ) 3

MATH2171 2005-06 5 Di erences nies

167

Quand m est pair, les formules ferm ees sont en fait exactes pour des polyn omes de degr e m + 1; m 1 au lieu de m 2 pour les formules ouvertes: linterpolant de degr e m + 1 di` ere de linterpolant de degr e m par un terme constante (x x0 )(x x1 ) . . . (x xm ) qui a une int egrale d enie nulle sur [x0 , xm ] si m est pair (fonction impaire de [x (x0 + xm )/2]). A partir des formules a ` 9 points, on commence a ` trouver des coecients n egatifs dans les formules ferm ees. On utilise g en eralement des formules de Newton-Cotes dans des r` egles compos ees : lintervalle [a, b] est subdivis e en mn intervalles de longueur h, et on applique Newton-Cotes a ` [x0 , . . . , xm ], [xm+1 , . . . , x2m ], etc. Ainsi, R` egle compos ee des trap` ezes:
b a b a

R` egle compos ee de Simpson:

f (x) dx h(f0 + 2f1 + 2f2 + + 2fn1 + fn )/2, b a = nh, f (x) dx h(f0 + 4f1 + 2f2 + 4f3 + 2f4 + 4f5 + 2f2n2 + 4f2n1 + f2n )/3, b a = 2nh. 5. Noyaux de Peano de r` egles dint egration.

On applique (93), p. 158. 5.1. Formule du trap` eze.

x1

Rf =
x0 x1

f (u) du h

f (x0 ) + f (x1 ) , 2

r = 0, m = 0 et 1 (h = b a). t x1 ,

K0 (t) =
x0

0 (u) du h

0 (x0 ) + 0 (x1 ) h x0 + x 1 = x1 t = t , x0 2 2 2

o` u 0 (u) = 0 si u < t; 1 si u > t.

t

K1 (t) =

x0

K0 (u) du = (t x0 )(t x1 )/2. K1

K0 Comme K1 est de signe constant (n egatif) sur (x0 , x1 ), Rf = Cf ( ) avec C = 3 h /12. 5.2. Formule de Simpson.
x1 x0

K1 (u) du =

x2

K0 (t) =
x0

0 (u) du h

0 (x0 ) + 40 (x1 ) + 0 (x2 ) = x2 t 3

5h/3 h/3

si x0 < t < x1 , si x1 < t < x2 ,

soit:

MATH2171 2005-06 5 Di erences nies

168

K0 (t) x0 < t < x 1 x1 < t < x 2 h t 3 h x2 t 3 x0 +

K1 (t) (t x0 )2 h(t x0 ) 2 3 (t x2 )2 h(t x2 ) + 2 3

K2 (t) (t x0 )3 + h(t x0 )2 6 (t x2 )3 h(t x2 )2 6

K3 (t) (t x0 )4 h(t x0 )3 24 18 (t x2 )4 h(t x2 )3 + 24 18

Comme K3 est de signe constant (n egatif) sur (x0 , x2 ), Rf = Cf iv ( ) avec C = u4 u x 1 )4 h5 2h4 h5 R =R = h = . 24 24 60 72 90 5.3. Noyaux de Peano de formules compos ees.

x2 x0

K3 (u) du =

Soit une formule compos ee sur [x0 , xs ] [xs , x2s ] [xN s , xN ], o` u N = qs. Prolongeons le noyau de Peano Km,i sur [xis , x(i+1)s ] par Km,i (t) = 0 si t < xis et x > x(i+1)s . On a Km,i (t) = Km,0 (t ish).
i=q 1

Le noyau de Peano de la formule compos ee est alors Km =

i=0

Km,i , fonction p eriodique

sur [x0 , xN ] dont la restriction a ` [xis , x(i+1)s ] est Km,i . K0 et K1 de la r` egle des trap` ezes:

etc. Autres exemples dans Hairer [Hai, chap. 1].

5.4. La formule de Simpson avant Simpson. 1Bien avant le d eveloppement du calcul int egral, toutes sortes de formules, vraies et fausses, ont et e imagin ees pour evaluer des aires et des volumes. Johannes Kepler (1571-1630) chercha a ` evaluer la capacit e de tonneaux de vin quil envisageait dacheter a ` Linz en 1612 au moyen de la formule 2 2 r2 + 4r2 + r3 , h 1 3
1dapr` es

des notes extraites de [Hammer], aimablement signal ees par J. Meinguet.

MATH2171 2005-06 5 Di erences nies

169

o` u r1 et r3 sont les rayons des bases (souvent egaux), r2 est le rayon a ` mi-hauteur, et h est la demi hauteur. Sans doute sest-il bas e sur des formules exactes connues: r1 , r2 et r3 en progression arithm etique (tronc de c one); r1 = r3 = 0 (sph` ere). Kepler t part de sa formule dans un ouvrage intitul e Stereometria doliurum, ce qui veut dire volume des tonneaux. Plus tard, la formule napparut que comme un cas particulier des formules de Newton-Cotes (Isaac Newton, 1642-1727, en 1680; Roger Cotes2en 1711), et pas la plus int eressante: Newton pr ef erait la r` egle des 3/8 quil appelait la pulcherrima (la plus belle) parce que la r` egle compos ee quon en tire
x3k x0

f (x) dx

3h (f0 + 3f1 + 3f2 + 2f3 + + 3f3k1 + f3k ) 8

a des coecients presque egaux. Cest bien plus tard que Thomas Simpson3 (1710-1761) se vit cr editer de sa formule qui remporta un enorme succ` es, sans doute li ea ` lav` enement de la r evolution industrielle. Mais peut- etre faut il surtout constater une force classique dans lalignement un peu s ev` ere et l economie de moyens de x2k h f (x) dx (f0 + 4f1 + 2f2 + 4f3 + + 2f2k2 + 4f2k1 + f2k ), 3 x0 et que la pulcherrima evoque par trop un air de valse. . .

6. Formule dEuler-Maclaurin. Polyn omes de Bernoulli, formules sommatoires. Reprenons la forme de Peano la plus simple (m = 0) du reste de la formule compos ee des trap` ezes:
1682-1716, deuxi` eme ls du R ev erend Robert Cotes, recteur de Burbage (Leicestershire). Etudes et carri` ere a ` Cambridge (Trinity College). Travaux en astronomie et en physique. Il fut charg e de pr eparer la deuxi` eme edition (1713) du chef-duvre de Newton, Philosophi naturalis principia mathematica, dont il r edigea une pr eface remarqu ee. Ses travaux tr` es ing enieux sur lint egration sont rassembl es dans son opus posthume Harmonia mensurarum (1722). En particuler, il d eduit de formules (apparemment) tr` es di erentes donnant laire dun ellipso de de r evolution, aplati ou allong e (ou hauss e), cette relation pour le logarithme dun nombre complexe de module unit e: ln(cos + i sin ) = i. (Information tr` es aimablement communiqu ee par Mme Monique Van P ee). 3 Thomas Simpson, Born: 20 Aug 1710 in Market Bosworth, Leicestershire, England Died: 14 May 1761 in Market Bosworth, Leicestershire, England. Simpson is best remembered for his work on interpolation and numerical methods of integration. His rst job was as a weaver. At this time he taught mathematics privately and from 1737 he began to write texts on mathematics. He also worked on probability theory and in 1740 published The Nature and Laws of Chance. Much of Simpsons work in this area was based on earlier work of De Moivre. Simpson was the most distinguished of a group of itinerant lecturers who taught in the London coeehouses. He worked on the Theory of Errors and aimed to prove that the arithmetic mean was better than a single observation. Simpson published the two volume work The Doctrine and Application of Fluxions in 1750. It contains work of Cotes. In 1754 he became editor of the Ladies Diary . The following description of Simpson by Charles Hutton (made 35 years after Simpsons death) is interesting It has been said that Mr Simpson frequented low company, with whom he used to guzzle porter and gin: but it must be observed that the misconduct of his family put it out of his power to keep the company of gentlemen, as well as to procure better liquor. It would be fair to note that others described Simpsons conduct as irreproachable . Simpson also worked on the problem of the minimum length of path that must be used to join three points. Tell me about Simpsons work on minimal paths Thomas Simpson was elected to the Royal Society of London in 1745. cf. http://www-history.mcs.st-and.ac.uk/history/Mathematicians/Simpson.html
2

MATH2171 2005-06 5 Di erences nies

170

xN

Rf =
x0

h f (u) du (f0 + 2f1 + 2f2 + + 2fN 2 + 2fN 1 + fN ) = 2

xN

K0 (t) f (t) dt,

x0

o` u K0 est la fonction lin eaire par morceaux qui vaut xi + h/2 t entre xi et xi+1 = xi + h. Appelons P1 la fonction p eriodique sur tout R, de p eriode 1, qui vaut t 1/2 sur (0, 1). On a donc K0 (t) = hP1 ((t x0 )/h). Soit P2 /2 une primitive de P1 : P2 (t) = t2 t+ constante 1 egalement continue sur R. sur (0, 1). P2 est p eriodique car 0 P1 (t) dt = 0. P2 est On a
x1 N

Rf = h

x0

P1 ((t x0 )/h)f (t) dt = h2

P1 (t)f (x0 + ht) dt = h2 + h 2

3 0 N

P2 f 2

N 0

P2 (t)f (x0 + ht) dt.

On voit ainsi que des int egrations par parties successives livreront des puissances de plus en plus elev ees de h. . . Pour que lint egrale nale garde une taille raisonnable, il faut encore que les primitives successives de P2 restent p eriodiques, donc que leur int egrale d enie sur (0, 1) soit nulle, ce qui xe les constantes dint egration en suspens: D enitions. Les fonctions p eriodiques de Bernoulli 4 P0 , P1 , P2 , . . . sont de p eriode 1, P0 = 1, Pn /n est la primitive p eriodique de Pn1 , cest-` a-dire telle que Pn = nPn1 et
1

Pn (t) dt = 0 quand n
0

1;

les polyn omes de Bernoulli Bn co ncident avec les fonctions Pn sur (0, 1); les nombres de Bernoulli sont Bn = Bn (0). Par primitivations successives, on trouve les premiers echantillons
2 1 1 x 1 2 3 3x B0 (x) 1; B1 (x) = x ; B2 (x) = x x+ ; B3 (x) = x + ; B4 (x) = x4 2x3 +x2 ; . . . 2 6 2 2 30

Th eor` eme (formule dEuler-Maclaurin). Soit f C 2m+2 [a, b] et h = (b a)/N , alors

b

f (t) dt =
a

h (f0 + 2f1 + 2f2 + + 2fN 2 + 2fN 1 + fN ) 2

m

k =1

B2k 2k (2k1) h f (b) f (2k1) (a) + 2m+2 (97) (2k )!

N 1

avec 2m+2 = h [a, b], xj

4Il

2m+2

B2m+2 (2m+2) B2m+2 (b a) f (2m+2) (j ), o` u f ( ) = h2m+2 (2m + 2)! (2m + 2)! j =0 (fj = f (xj ) = f (a + jh), j = 0, 1, . . . , N ).

xj +1

sagit de Jakob Bernoulli (16541705), fr` ere de Johann (16671748) et oncle de Daniel (17001782).

MATH2171 2005-06 5 Di erences nies

b a

171 f (t) dt somme des trap` ezes = h

2

En eet, nous sommes arriv es a ` Rf =

N

P2 f 2

+
0

P2 (t) f (a + ht) dt. Eectuons encore 2m int egrations par parties: on obtient des ter2 0 t=N j 1 j Pj (t) (j 1) pour j = 2, 3, . . . , 2m + 2 et une int egrale f (a + ht) mes aux limites (1) h j! t=0 N P2m+2 (t) (2m+2) 2m+3 nale h f (t) dt. Comme Pj est p eriodique continue pour j > 1, (2m + 2)! 0 Pj (N ) = Pj (0) = Bj , et on verra que Bj = 0 si j est impair 3: on trouve bien la somme gurant dans (97), en fait, on trouve un terme en plus, le dernier terme etant h2m+2 (B2m+2 /((2m+ 2)!))(f (2m+1) (b) f (2m+1) (a)). Quant a ` lint egrale nale, on l ecrit h3
b

h2m+2
a

B2m+2 P2m+2 ((t a)/h) B2m+2 + f (2m+2) (t) dt (2m + 2)! (2m + 2)! = 2m+2 + h2m+2 B2m+2 (2m + 2)!
b

f (2m+2) (t) dt
a

de fa con a ` b en ecier dune fonction P2m+2 B2m+2 de signe constant (on verra aussi plus tard que |P2j (t)| |P2j (0) = B2j |), do` u une premi` ere contribution h2m+2 f (2m+2) ( ) fois lint egrale sur (a, b) de [P2m+2 ((t a)/h) B2m+2 ]/((2m + 2)!) qui se r eduit a ` lint egrale de la constante B2m+2 /((2m + 2)!) puisque P2 j a une int egrale d enie nulle d` es que j 1. Comme P2m+2 ((t a)/h) est p eriodique de p eriode h, on a la deuxi` eme expression de 2m+2 en sommant les int egrales sur des intervalles de longueur h. Enn, lint egrale de la constante B2m+2 fois f (2m+2) (t) donne evidemment B2m+2 fois f (2m+1) (b) (2m+1) f (a), do` u la somme sarr etant a ` k = m dans (97). En termes dop erateurs aux di erences, il faut exprimer Rf = J (1 + E + + E N 1 ) 2 N 1 h(1 + 2E + 2E + + 2E + E N )/2 appliqu ea ` f en a = x0 . EN 1 EN 1 J h h EN 1 h + = (E N 1) . On obtient J E1 E1 2 E1 E1 2 En exprimant E dans la derni` ere parenth` ese, tant ot en fonction de , tant ot en fonction de , on a J h h h h h h h2 19h3 3h4 = = + + E 1 2 ln(1 + ) 2 12 24 720 160

et

do` u

J h h h h h h h2 19h3 3h4 = + = E1 2 ln(1 ) 2 12 24 720 160 h h 19h ((f )(xN )(f )(x0 )) ((2 f )(xN )+(2 f )(x0 )) ((3 f )(xN )(3 f )(x0 )) 12 24 720 3h ((4 f )(xN ) + (4 f )(x0 )) 160

Rf =

MATH2171 2005-06 5 Di erences nies (formule de Gregory). 6.1. Identit es des nombres et polyn omes de Bernoulli.

172

Si on veut retrouver (97) par les op erateurs aux di erences, il faut exprimer h h J en fonction de D par E = ehD et J = D 1 = (E 1)D 1 : (E N 1) E1 E1 2 Rf = (E N 1)(D 1 h/(ehD 1) h/2) appliqu ea ` f en a = x0 . x = Xj xj , alors Consid erons le d eveloppement x e 1 j =0

Rf = [(E 1)

Xj h D
j =2

j 1

]f (x0 ) =

j =2

Xj hj [f (j 1) (b) f (j 1) (a)],

en ayant rapidement v eri e X0 = 1, X1 = 1/2. On retrouve bien (97) et on soup conne que Xj = Bj /j !. En eet: Fonction g en eratrice des polyn omes de Bernoulli.

j =0

text Bn (x)tn = t , n! e 1
5

n G(x; t)/x = u G(x; t) = K (t)ext . Comme Bn (1) = 1 Bn1 (x)t /(n 1)! = tG(x; t), do` Bn (0) quand n > 1 (et aussi, bien s ur, quand n = 0), [B (1) B (0)]t = t on sait que B (x) = x 1/2 1 1 1 G(1; t) G(0; t) = K (t) (et 1)

la s erie converge quand |t| < 2 . Bn (x)tn En eet, soit G(x; t) := . Comme Bn = nBn1 , n! j =0

donc, K (t) = t/(et 1). Les p oles sont en t = 2ki, k = 1, 2, . . . Montrons que Bj = 0 quand j est impair > 1:

Bj tj /j ! =
2

t t t et + 1 t t + 1 = 1 = cotangh 1 t t e 1 2 2e 1 2 2

est une fonction paire de t. Exercice. Montrez que tg x =

(Utilisez tg x = cotg x 2 cotg(2x). )
n n=0

(1)n

4n+1 (4n+1 1)B2n+2 2n+1 x . (2n + 2)!

Coecients des polyn omes de Bernoulli: dapr` es Bn = nBn1 , Bn (x) =

k =0 5Les

Bn (0) k x = k!

(k )

k =0

n(n 1) . . . (n k + 1)Bnk (0) k x = k!

k =0

n Bnk xk . k

polyn omes de Bernoulli forment donc une suite dAppell, comme les polyn omes dHermite.

MATH2171 2005-06 5 Di erences nies

173

Calcul symbolique. Des identit es de nombres et polyn omes de Bernoulli sobtiennent a ` partir dun symbole B dont les puissances Bk sont remplac ees en n de compte par les nombres de Bernoulli Bk . Ainsi: Bn (x) = (B + x)n .
On appelle calcul umbral cette fa con de faire, cf. S. Roman, G.-C. Rota, The umbral calculus, Adv. Math. 27 (1978) 95188, G.-C. Rota, B.D. Taylor, The classical umbral calculus, SIAM J. Math. An. 25 (1994) 694711, A. Di Bucchianico, Probabilistic and analytical aspects of the umbral calculus, Centrum voor Wiskunde and Informatica Tract 119, Amsterdam, 1997. Voir aussi

sci.math #144246 (0 + 1059 more) From: wgd@zurich.ai.mit.edu (Bill Dubuque) Newsgroups: sci.math [2] Bernoulli numbers everywhere: Umbral Calculus [was: Re: n:th Bernoulli number] Date: 27 Jun 96 18:53:53 Organization: M.I.T. Artificial Intelligence Lab. Message-ID: <WGD.96Jun27185353@berne.ai.mit.edu> NNTP-Posting-Host: berne.ai.mit.edu In-reply-to: bruck@pacificnet.nets message of Tue, 25 Jun 1996 18:51:52 -0700 Digressing somewhat, it is surprising just how often Bernoulli numbers and polynomials arise in diverse contexts. For example, Lang sketches how they arise in topology and algebraic geometry around RiemannRoch theorems, and in analytic and algebraic number theory around zeta functions and modular forms (see the thread of exercises beginning with #21 p. 217, end of Chap. IV in Langs Algebra, 3rd Ed.) One way of understanding this ubiquity comes from the viewpoint of Hopf algebras and coalgebras, or, equivalently, the Umbral Calculus. The latter provides a calculus of adjoints that serves to sytematically derive and classify almost all of the classical combinatorial identities for polynomial sequences (e.g the sequences of Abel, Appel, Bell, Bernoulli, Bessel, Boole, Boas-Buck, Euler, Gould, Hermite, Laguerre, Mahler, Meixner, Mittag-Leer, Mott, Poisson-Charlier, Sheer, Stirling, etc), along with associated identies (generating functions, expansions, duplication formulas, recurrences. inversions, Rodrigues formula, etc, e.g. the Euler-Maclaurin expansion, Booles Summation formula, Newton interpolation, Gregory integration, Vandermonde convolution). For example almost all of the identities in Riordans classic book Combinatorial Identities can be systematically derived and classied via the Umbral Calculus. This is a powerful and useful theory that deserves to be better known. Since there are now good expositions available. theres no longer any good reason not to have a peek. I recommend starting with the following online survey [included in ascii below those Web challenged]. http://www.win.tue.nl/win/math/bs/statistics/bucchianico/hypersurvey/hypersurvey.html See also the RotaFest page at http://www-math.mit.edu/~loeb/rotafest.html -Bill Note: math formulas are missing from this ascii version, see the URL above for them.

R ecurrence des nombres de Bernoulli. D eveloppons Bn+1 (1) = Bn+1 (0):

n+1

k =1

n+1 Bn+1k = 0. k

MATH2171 2005-06 5 Di erences nies On obtient ainsi quelques nombres de Bernoulli6 non nuls: B0 1 B1 1 2 B2 1 6 B4 1 30 B6 B8 B10 5 66 B12 691 2730 B14 7 6 B16 3617 510 B18 B20

174

1 1 42 30

43867 174611 798 330

Sommes de puissances cons ecutives. Appliquons la formule dEuler-Maclaurin a ` r f (x) = x , r entier 0, avec a = 0, b = N + 1, h = 1: (N + 1)r+1 /(r + 1) = 1 + 2r + + N r + on arrive a ` Plus g en eralement, Bn (x + 1) Bn (x) = nxn1 : par la fonction g en eratrice, Bn (x + 1) Bn (x) est n! fois le coecient de tn de t(e(x+1)t ext )/(et 1) = text , ce qui donne bien nxn1 . S eries de Fourier des extensions p eriodiques des polyn omes de Bernoulli. Partant de 1 1 k 1 e2ikx , P1 (x) = (t 1/2)e2ikt dte2ikx = 2 i k = k = 0
k =0

Bk (N + 1)r r (r 1) . . . (r k + 2)(N + 1)rk+1 , 2 k ! k =2

r +1

1 + 2r + + N r = [Br+1 (N + 1) Br+1 (0)]/(r + 1).

on int` egre n 1 fois:

n! Pn (x) = (2i)n

k n e2ikx .
k = k =0

Quand n est pair, 2(1)n/2 n! Pn (x) = (2 )n ce qui montre que |Pn (x)| signe). On a donc B2n

k n cos(2kx),
k =1

|Pn (0)| (tous les coecients de la s erie de Fourier sont de m eme

2(1)n+1 (2n)! = (2 )2n

k 2n , n = 1, 2, . . . , ainsi:
k =1

k =1

1 2 , = k2 6
1

k =1

1 4 , = k4 90

k =1

1 6 , = k6 945

etc.

Obtention directe de

2 1 = . 2 k 6

6Attention,

Bk .

certains auteurs (Dwight, par exemple) utilisent une autre convention o` u (1) k1 B2k est not e

MATH2171 2005-06 5 Di erences nies

Le polyn ome

175

(x + i)2n+1 (x i)2n+1 = c0 x2n + c2 x2n2 + = (2n + 1)x2n (2n + 1)(2n)(2n 1)x2n2 /6 + 2i k a 2n z eros distincts zk = cotg , k = 0, 1, . . . , 2n sym etriquement dispos es autour de 0: zk = z2n+1k . 2n + 1 2 La somme des carr es des z eros est (c1 /c0 ) 2c2 /c0 , ici 2n(2n 1)/3, donc n(2n 1) = 3
n

cotg2
1

k (2n + 1)2 < 2n + 1 2

n 1

1 < k2

cosec2
1

k n(2n + 2) = . 2n + 1 3

Cf. H. Tsumura, (2m), Amer. Math. Monthly 111 (2004) 430431. D.H. Lehmer (A new approach to Bernoulli polynomials, Amer. Math. Monthly 95 (1988) 905911) distingue 5 fa cons daborder les nombres et polyn omes de Bernoulli: m1 n1 Somme de puissances 0 k = (Bn (m) Bn (0))/n (Jac. Bernoulli, avant 1705), n xt t Fonction g en eratrice 0 Bn (x)t /n! = te /(e 1) (Euler, 1738), Suites dAppell Bn1 = Bn /n (Appell, 1832), urwitz, 1890), S eries de Fourier Bn (x) = n!/(2i)n k= k n e2ikx (H n Calcul umbral Bn (x) = (B + x) (Lucas, 1891), auxquelles il ajoute une sixi` eme, bas ee sur une formule de multiplication de Raabe (1851): B n (mx) = m1 mn1 k=0 Bn (x + k/m). Nombres et polyn omes dEuler. 2ext = et + 1
0

En (x)

tn , n!

En = 2n En (1/2).

E0 1

E2 1

E4 5

E6

E8

E10

E12

E14

61 1385 50521 2702765 199360981

1 E2n x2n On a = (1)n . cos x n=0 (2n)!

6.2. Sch ema dint egration de Romberg. xN h es (97), Comme Rh f := f (u) du (f0 + 2f1 + 2f2 + + 2fN 2 + 2fN 1 + fN ) a, dapr` 2 x0 un d eveloppement en puissances paires de h, on applique lextrapolation de Richardson partant des ci,0 = Rh0 /2i , puis ci,k = (x xi )ci+1,k1 (x) (x xi+k )ci,k1 , xi+k xi 4k ci+1,k1 (x) ci,k1 , 4k 1 k > 0.

avec x = 0 et xi = h0 /4i : ci,k = k > 0.

MATH2171 2005-06 5 Di erences nies 6.3. Formule dEuler-Maclaurin en tant que formule sommatoire. Reprenons (97) en exprimant la somme:
b

176

f0 + f1 + f2 + + fN 1 = h1

f (t) dt +
a m

f0 f N + 2

k =1

B2k 2k1 (2k1) h f (b) f (2k1) (a) 2m+2 /h, (98) (2k )!

o` u 2m+2 = h2m+2

B2m+2 (2m + 2)!

N 1

j =0

f (2m+2) (j ), avec j [xj , xj +1 ] (fj = f (xj ) = f (a + jh), j =

0, 1, . . . , N ). Par un int eressant renversement de valeurs, on peut estimer une somme dun grand nombre de valeurs fonctionnelles en partant dune int egrale! Nombres harmoniques, constante dEuler. eme Le M ` nombre harmonique est le nombre rationnel HM = 1 + 1/2 + + 1/M . Soit M0 grand < M , on a HM = HM0 + 1/(M0 + 1) + + 1/M . Par la formule pr ec edente, avec N = M M0 , f (x) = 1/(x + M0 ) et h = 1, HM = HM0 1/M0 + 1/M + ln(M/M0 ) + (1/M0 m B2k 1 1 1/M )/2 2k 2m+2 2k 2k M0 M k =1 donc, HM 1 + ln M 2M
N 1 2m

k =1

B2k B2k 1 + = HM0 ln M0 2m+2 , 2k 2 k 2kM 2M0 k=1 2kM0 |B2m+2 | , ce qui montre que (2m + 2)(M0 1)2m+2
2m

2m

avec |2m+2 | = |B2m+2 |

(M0 + j + j )2m3 <

j =0

{HM ln M } est une suite de Cauchy de limite appel ee , constante dEuler. Avec M = : = H M0 1 + ln M0 2M0
k =1

B2k 2m+2 , 2k 2kM0

ce qui permet de calculer ecacement:

Dear Simon, I send you Eulers constant to 1000000 digits. The algorithm used is the one presented in the paper of McMillan and Brent [1] (the second variant) accelerated by binary splitting [2], [3]. This calculation verified the previous 500000-digits record to 499927 digits. Using the 500000-digit value of gamma and a program by H.J.J. te Riele, CWI Amsterdam [4], I was also able to compute 470006 partial quotients of the continued fraction of gamma. Computing the 470006-th convergent results in the following [5] Theorem: If Eulers constant is a rational number P/Q, for integers P, Q then |Q| > 10^242080

MATH2171 2005-06 5 Di erences nies

177

* Acknowledgements * The latest calculation would have been possible without the help and motivation from H.J.J. te Riele, Richard Brent and my colleague Bruno Haible. Best Thomas Papanikolaou References:

[1] R. P. Brent and E. M. McMillan, Some new algorithms for high-precision computation of Eulers constant, Math. Comp. 34 (1980) 305-312. [2] Bruno Haible, Thomas Papanikolaou, Fast multiprecision evaluation of series of rational numbers, Technical Report No. TI-7/97, 18.03.1997. Available via http://www.informatik.th-darmstadt.de/TI/Veroeffentlichung [3] Jonathan M. Borwein and Peter B. Borwein, Pi and the AGM, Wiley, 1987. [4] Richard P. Brent, Alfred J. van der Poorten and Herman J.J. te Riele, A comparative study of algorithms for computing continued fractions of algebraic numbers, pp. 37-49 in: H. Cohen (editor), Algorithmic Number Theory: Second International Symposium, ANTS-II, Talence, France, 18-23.05.1996, Springer, Berlin etc., 1996. [5] Thomas Papanikolaou, Entwurf und Entwicklung einer objektorientierten Bibliothek f ur algorithmische Zahlentheorie, PhD Thesis, to appear. [6] Steve Finch, http://www.mathsoft.com/asolve/constant/euler/euler.html

------------------------------------------------------------------------------Eulers constant to 1000000 digits computed on Mars 24, 1997 on a Sun Sparc Ultra machine with 167 Mhz and 256 MB RAM in 42 hours 27 hsec. The algorithm was implemented using the LiDIA library for computational number theory and it will be part of the multiprecision floating-point arithmetic of the package in release 1.4. LiDIA is available from

ftp://ftp.informatik.th-darmstadt.de:/pub/TI/systems/LiDIA , http://www.informatik.th-darmstadt.de/T LiDIAs kernel used Bruno Haibles CLN package, which is available via anonymous FTP from ftp://ma2s2.mathematik.uni-karlsruhe.de:/pub/gnu/cln.tar.z This package contains the rst implementation of a binary splitting device for rational series. -----------------------------------------------------------------------------Here is the output of the program: Calculating Eulers constant to 1000000 decimals Time required: 42 hour 27 hsec Euler = 0.5772156649015328606065120900824024310421593359399235988057672348848677267776\ 646709369470632917467495146314472498070824809605040144865428362241739976449235\

etc.

cf. http://www.lacim.uqam.ca/pi

MATH2171 2005-06 5 Di erences nies Grandes factorielles. Formule de Stirling. avec ln M au lieu de 1/M : ln M ln M ! M ln M + M 2
2m

178 On reprend le raisonnement pr ec edent

k =1

B2k ln M0 = ln M0 ! M0 ln M0 + M0 2 k 1 2k (2k 1)M 2

2m

avec |2m+2 | = |B2m+2 | 2m + 2

N 1

k =1

B2k 2m+2 , 2k 1 2k (2k 1)M0

|B2m+2 | , ce qui mon2m+1 (2 m + 2)(2 m + 1)( M 1) 0 j =0 etablit par tre que {ln M ! (M + 1/2) ln M + M } est une suite de Cauchy. La limite ln 2 s /2 2M examen din egalit es portant sur . Donc, cos2M d = M 4 M /2 (M0 + j + j )2m2 < M! =
2m

2 M M +1/2 eM exp
k =1

B2k + 2m+2 2k (2k 1)M 2k1

Fonction zeta de Riemann. (s) =

1 N 1

1 converge absolument seulement si Re s > 1. ns

1 1 + . On applique (98) a ` la deuxi` eme s erie, avec f (x) = xs , a = N , s s n n 1 N b = et h = 1. On trouve (s) =

N 1

(s) =
1

1 1 1 + + + s s n 2N (s 1)N s1

k =1

B2k s(s + 1)(s + 2) . . . (s + 2k 2) 2m+2 , (2k )! N s+2k1

1 B2m+2 s(s + 1) . . . (s + 2m + 1) o` u 2m+2 = s+2m+2 , avec j [j, j + 1]. (2m + 2)! j =N j Cette derni` ere s erie converge, et est aussi petite que lon veut pourvu que N soit assez grand, d` es que Re s > 1 2m. On peut ainsi d enir, et calculer, (s) dans tout C \ {1}. Autres formules sommatoires. Plana: 1 f (n) = f (0) + 2 n=0 Boole:
n=N 1 k =m1

f (x) dx + i
0 0

f (iy ) f (iy ) dy e2y 1

(P. Henrici, Applied and Computational Complex Analysis I, Wiley, 1974, p. 274). hk Ek (s)[f (k) (a) (1)N f (k) (b)] + m . 2k !

n=0

(1)n f (a + sh + nh) =

k =0

MATH2171 2005-06 5 Di erences nies

179

(N.E. N orlund, Vorlesungen u ber Dierenzenrechnung, chap. 2; J.M. Borwein, P.B. Borwein, K. Dilcher: Pi, Euler numbers, and asymptotic expansions, American Math. Monthly 96 (1989) 681-687.). Poisson:

F (k ) =
k =

1 G(2n/ ), n=

o` u G est la transform ee de Fourier de F : G( ) = F ( )ei d (P. Henrici, Applied and Computational Complex Analysis II, Wiley, 1977, p. 270). R` egle de la tangente hyperbolique: f (tgh nh) dt . f (x) dx = f (tgh t 2 h 2 cosh t cosh nh 1 Nombreuses propri et es curieuses7
1

Schwartz, Numerical integration of analytic functions, J. Comput. Phys. 4 (1969) 19-29. S. Haber, The tanh rule for numerical integration, SIAM J. Numer. Anal. 14 (1977) 668-685. M. Mori, Quadrature formulas obtained by variable transformation and the DE-rule, J. Comp. Appl. Math. 12& 13 (1985) 119-130.

7C.

MATH2171 2005-06 6 R ecapitul.

180

CHAPITRE 6
R ecapitulation.

D enition de lapproximation

Principe directeur M ethode (Existence, unicit e dobtention caract erisation) Th eor` eme d equioscillation Algorithme d echange, bonne approx. ck (f )Tk cas polynomial: polyn omes orthogonaux. Cas trigonom etrique: s eries de Fourier Lagrange, Newton, Neville, Hermite Newton-Gregory

Estimation derreur, convergence

D eveloppem application algorithme

Meilleure approx. en norme uniforme min f p Meilleure approximation en moyenne quadratique f p 2 minimum Interpolation

de La Vall ee Poussin Propri et es discr` ete, Weierstrass r earrangem r ecurrence suites totales, max. espace de Hilbert vitesse de d ecroissance coe. Fourier

p = projection orthogonale de de f dans V

Propri et es polyn omes orthogonau FFT

Syst` eme

de Gau Peano

i (p) = i (f ) d equations (par ex., p(ai ) = f (ai )) lin eaires.

Newton-Co Euler-Macl

MATH2171 2005-06 7 Alphabets, petit dico, index.

181

CHAPITRE 7
Appendices: alphabets grec, cyrillique, petit dico, index.
1. Alphabets
A B V G D E Z I J K L M N O P R S T U F Q X W Y a b v g d e z i j k l m n o p r s t u f q x w y

A alpha B beta gamma delta E epsilon Z zeta H eta , theta I iota K kappa lambda M mu N nu ksi O o omicron pi R rho , sigma T tau upsilon , phi khi psi omega

A B V G D E zh Z I J K L M N O P R S T ou F tch ch chtch Y ` e you ya

MATH2171 2005-06 7 Alphabets, petit dico, index. 2. Petit dico mathematical English fran cais math ematique.

182

Y compris des expressions jug ees utiles lors du Mathematics Seminar MATH 2900. Voir aussi dictionnaires math ematiques fran cais-anglais et anglais-fran cais dans EPS MAG DE MATHS http://perso.wanadoo.fr/eps/ Hauchecorne Bertrand, Shaw Adrian: Lexique bilingue du vocabulaire math ematique, ELLIPSES - Edition Marketing S.A., Paris analysis: analyse to approximate: approcher approximation of functions approximation to a function on the assumption that: dans lhypoth` ese o` u ball: boule beyond: au del` a bound: borne bounded: born e(e) Chebyshev: Tchebyche decreasing: strictement d ecroissant(e) digit: chire eigenvalue, vector: valeur, vecteur propre even: pair ever: toujours, ind eniment eld: corps, champ for all: pour tout(e) function: fonction generating function: fonction g en eratrice generating sequence: suite g en eratrice increasing: strictement croissant(e) induced map: application induite kernel: noyau key idea: id ee principale large: grand least squares: moindres carr es least squares approximation: approxim. en moyenne quadratique less than: strictement inf erieur a ` link: lien map, mapping: application (math.) negative: strictement n egatif(ve) non decreasing: croissant(e) non increasing: d ecroissant(e) non negative: positif(ve) non positive: n egatif(ve) norm: norme number: nombre numeric, numerical: num erique(s) odd: impair outcome: r esultat polynomial: polyn ome, polynomial positive: strictement positif(ve) principle: principe provided: pourvu que Q.E.D. : C.Q.F.D. quotient space (factor space): espace quotient radius, radii: rayon, rayons rational: rationnel(le) remainder: reste reproducing: reproduisant, r eg en erateur root: racine (voir zero) rule: r` egle sample: echantillon scalar: scalaire sequence: suite series: s erie(s) small: petit space: espace spaced out: echelonn e spanned by: engendr e par square: carr e stable under: stable par to state: d eclarer such that: tel(le) que symmetric: sym etrique tailor: tailleur Taylor: Taylor unbounded: non born e(e) unless: a ` moins que until: jusqu` a ce que to vanish: sannuler vector space: espace vectoriel zero: z ero (dune fonction)

Index

absolument continue, fonction, 73 ACM, 9 ane, espace, 22 AGM, 15 aliasing, 62 Approximation rationnelle, 65 autoadjoint (form.), 97 B-splines, 137 base de Lagrange, 142 base duale, 50, 142 Beltrami, 104 Bernoulli, nombres et polyn omes de, 170 Bernstein, 41, 132 Bernstein, polyn omes de, 130 Bessel, in egalit e de, 127 Bezier, 136 Bickley, 165 binomiale, loi, 130 biorthogonalit e, 50, 142 Boole, formule sommatoire de, 178 Brezinski, 148 Carath eodory-Fej er, 66 Christoel-Darboux, 46, 96 classiques, polyn omes orthogonaux, 98, 102 Clenshaw-Curtis, r` egle de, 157 convexe, 22 CORDIC, 13 Cotes, R., 169 Darboux-Christoel, 46, 96 de La Vall ee Poussin, 30, 58, 68 denie positive, 71, 75 Delsarte, P., 102 dierences divis ees, 145 Dirichlet, 54 distance, 18 duale, base, 50 echange, algorithme d, 32 electrostatique, 100 Equations du 3` eme degr e, 46
183

equations normales, 76, 112 equioscillation, 27 Euler, constante d, 176 Euler, nombres et polyn omes d, 175 Euler-Maclaurin, formule d, 170 Fej er, 134 FFT, 122 Fourier, 54, 116 Fourier, s eries de, 54 fraction continue, 16, 94 Frobenius, 65 Frutiger, 137 Gamma, fonction, 89 Gegenbauer, polyn omes de, 102 generatrice, fonction, 45 Genin, Y., 102 Genocchi, 149 Gram, matrice de, 74 Gram-Schmidt, 78, 83 H older, normes de, 19 Haar, 31 Hankel, matrice de, 84 harmoniques sph eriques, 104 harmoniques, nombres, 176 Hermite, 146 Hermite, polyn omes d, 89, 98, 102, 107 Hermite-Genocchi, 149 hermitien (form.), 97 Hilbert, espace de, 128 int egration, Gauss-Legendre , 94 int egration, Gauss-Tchebyche, 95 int egration, formule de Gauss d, 92 Int egration: Clenshaw-Curtis, 157 Int egration: plusieurs var. et soft. KULeuven, 157 Int egration: r` egle de Clenshaw-Curtis, 157 Int egration: r` egles adaptatives, 157 interpolation dHermite, 141 Interpolation rationnelle, 144 irrationnalit e, 15

MATH2171 2005-06 7 Alphabets, petit dico, index.

Ismail, M.E.H., 102 Jackson, th. de, 132 Jacobi, polyn omes de, 98, 102 Jordan, th eor` eme de, 54 Karatsuba, 123 Kolmogorov, 26, 33 Kronrod, 157 Lagrange, 140 Lagrange, base de, 142 Laguerre, polyn omes de, 89, 98, 102 Laplace-Beltrami, 104 Lebesgue, constante de, 56 Lebesgue, lemme de, 56 Legendre, polyn omes de, 88, 89, 102, 105 Leibniz, formule de, 147 Lissajous, gure de, 38 Lobatto, 100, 156 Marko, 41 Mawhin, J., 133 mediane, 25 Meinguet, J., 7, 18, 44, 144, 168 module de continuit e, 60 moindres carr es, 111 moments, probl` eme des, 135 moyenne, 25 M untz, 79, 134 Nevai, P., 102 Neville-Aitken, 146 Newton-Cotes, formules de, 166 norme, 19, 23 norme 1, 115 norme stricte, 23 noyaux, 109 NURBS, 137 ondelettes, 124 orthogonal, orthogonaux, 72, 77 orthogonale, matrice, 91 orthogonalit e: pol. de Tchebyche, 50 orthogonalit e: Sturm-Liouville, 50 Pad e, 65 Parseval, 118, 128 Peano, th eor` eme de, 158 Penrose, 77 Plana, formule sommatoire de, 178 Poisson, formule sommatoire de, 179 Poncelet, 13 prehilbertien, 26 prehilbertien, espace, 74 premiers, nombres, 68 produit scalaire, 71 qd, algorithme, 88 quasi-p eriodique, 77 quotient-di erence, algorithme, 88 Radau, 156 rationnelle, approximation, 39, 44, 65 rationnelle, interpolation, 144 recurrence, 38, 43, 44, 84, 89 relative, erreur, 31, 39 Remez, 32, 42 Riccati, 16, 99 Riemann-Lebesgue, 55, 118 Rodrigues, 49, 100 Romberg, sch ema de, 175 Runge, 153

184

SIAM, 9 Simon, B., 102 Simpson, formule dint egration de, 166, 167, 169 sommatoires, formules, 176, 178 spline, 25, 151 Stirling, formule de, 178 Stone-Weierstrass, 133 Sturm-Liouville, 47, 50, 98 tau, m ethode des, 63 Tchebyche, 66 Tchebyche, centre et rayon, 26 Tchebyche, polyn omes de, 34, 40, 102 Tchebyche, s eries de, 56 Tchebyche, th eor` eme de, 27 totale, suite, 127 trapezes, r` egle des, 166, 167 Trefethen, L.N., 66 unicit e, 22, 23, 25, 29 unicit e, forte, 24, 30 unitaire, matrice, 91 Van P ee, M., 169 variation born ee, 54, 119 Weierstrass, th eor` eme dapproximation de, 60, 129 Z eros de polyn omes, 89 zeta, fonction- de Riemann, 68, 178 Zolotarev, 39

Fin de MATH2171 T hats all, F olks